支持向量机学习算法

作品数：8被引量：34H指数：4
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：吴青赵永平王文剑常甜甜王磊更多>>
相关机构：西安电子科技大学哈尔滨工程大学长沙理工大学山西大学更多>>
相关期刊：《航空精密制造技术》《计算机工程与应用》《电子学报》《绍兴文理学院学报（自然科学版）》更多>>
相关基金：国家自然科学基金教育部“优秀青年教师资助计划”安徽省自然科学基金湖南省教育厅科研基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-8
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于RBF与SVM算法的CFRP铣削表面粗糙度预测
《航空精密制造技术》2025年第1期11-14,共4页赵德中 李锋 刘维伟 
陕西省自然科学基础研究计划项目资助(2023-JC-YB-469)。
为了研究刀具结构对CFRP材料铣削表面质量的影响,进而为刀具设计提供依据,设计了刀具参数与CFRP铣削表面粗糙度之间的正交试验。基于正交试验数据,分别利用径向基函数神经网络和支持向量机学习算法建立了刀具参数与铣削表面粗糙度之间...
关键词：径向基函数神经网络 支持向量机学习算法 CFRP 铣削表面粗糙度 
基于可变形部件模型及稀疏特征的行人检测被引量：2
《深圳大学学报（理工版）》2015年第6期563-570,共8页甘鹏坤 陶凌 龙伟 
国家自然科学基金资助项目(61261011)~~
针对方向梯度直方图算法无法处理模糊边界且忽略了物体内平滑的特征区域的问题,提出一种基于稀疏编码的可变形部件模型算法.通过稀疏学习得到稀疏编码直方图特征算子的图像特征,利用弱标签隐藏变量结构化支持向量机学习算法对特征进行...
关键词：图像处理 人体检测 稀疏特征 部件模型 弱标签隐藏变量支持向量机学习算法 级联检测 
支持向量机学习算法若干问题的研究
《网友世界》2014年第19期153-153,共1页杜林钰 
支持向量机是根据VC维理论和风向最小化原则而创造的新的机器学习方法。支持向量机泛化性能更优，维数敏感度更低而且全局收敛也更加完善。再也不担心局部极值、维数灾难等问题带来困扰。近年来支持向量机在机器学习领域表现活跃，一度...
关键词：支持向量机 学习算法 研究和分析 
一种增量向量支持向量机学习算法被引量：7
《南京理工大学学报》2012年第5期873-878,共6页陈沅涛 徐蔚鸿 吴佳英 
国家自然科学青年科学基金(61001004);湖南省自然科学基金(09JJ6094);湖南省教育厅科研青年项目(12B005);长沙市科技计划重点项目(K1104022-11);湖南省科技计划项目(2012GK3056;2011SK3079)
针对传统支持向量机方法执行效率低、耗时长的问题,该文提出一种基于增量向量支持向量机学习(IV-SVM)方法。对训练样本集在核空间的增量向量进行训练,获得初始支持向量机分类器。利用该分类器在Karush-Kuhn-Tucker(KKT)条件下对初始训...
关键词：支持向量机 增量向量 修剪 约减集 
一种改进的分枝定界半监督支持向量机学习算法被引量：4
《电子学报》2010年第2期449-454,共6页赵莹 张健沛 杨静 王冠军 
国家自然科学基金(No.60873037;No.60673131)
分枝定界半监督支持向量机,由于其实现的是全局最优化,因而可以作为其他半监督学习算法的一个基准.针对分枝定界半监督支持向量机中存在的缺陷,提出一种改进的分枝定界半监督支持向量机学习算法.该算法重新对下界的估计进行定义,从而降...
关键词：半监督学习 支持向量机 分枝定界 统计学习理论 
支持向量机学习算法的研究现状与展望被引量：8
《信息与电子工程》2008年第5期328-332,共5页崔和 龙玉峰 
回顾了支持向量机理论的发展历程,介绍了支持向量机的标准训练算法及其分解算法、变形算法、几何算法以及多类分类算法,重点描述了最小二乘支持向量机算法,总结了支持向量机理论及其应用的现状,对支持向量机的未来发展方向进行了展望。
关键词：支持向量机 特征空间 最小二乘法 
改进的用于回归估计的支持向量机学习算法被引量：11
《计算机工程与应用》2005年第19期44-46,共3页丁蕾 陶亮 
教育部优秀青年教师资助计划项目(编号:教人司[2002]40号);安徽省自然科学基金项目(编号:01042210);安徽大学人才队伍建设经费资助
该文对用于回归估计的标准支持向量机(SVM)加以改进,提出了一种新的用于回归估计的支持向量机学习算法。实验表明,这种新的学习算法在精度上与标准支持向量机算法完全相同,而在学习速度上明显优于标准学习算法。
关键词：支持向量机 回归 学习算法 学习速度 
支持向量机学习算法－序列最小优化（SMO）被引量：2
《绍兴文理学院学报（自然科学版）》2003年第10期21-24,共4页赵洪波 赵丽红 
支持向量机作为一种优秀的学习方法，有着严格的理论基础和很好的应用前景，但是由于支持向量机算法实现复杂、效率低，严重限制了支持向量机的应用．SMO方法的提出大大提高了支持向量机学习的效率，作者对SMO算法的实现进行了详细的介绍．
关键词：支持向量机 二次优化 SMO 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部