相关文档

• 基于多支持向量机的中文文本分类算法研究格.doc

  基于多支持向量机的中文文本分类算法研究格张胜利(五邑大学 计算机学院广东 江门 529020]支持向量机是数据挖掘的新方法由于其优秀的学习能力而得到了广泛的应用但是传统的支持向量机算法在处理大规模问题时存在训练时间过长和内存空间需求过大的问题而应用多个支持向量机构成多分类器系统进行并行学习是目前解决文本分类中大规模数据处理问题的一种有效方法本文在分析传统并行算法的基础上提出了一种改进的基于多支持向

• 基于支持向量机的多故障分类器及应用.pdf

  第23 卷 　第5 期 　　　　

• 多分类支持向量机论文：支持向量机在脑部MRI图像微小多目标分割的应用.doc

  多分类支持向量机论文：支持向量机在脑部MRI图像微小多目标分割的应用【中文摘要】在大脑磁共振成像(Magnetic Resonance Imaging MRI)图像中脑组织的轮廓非常复杂和不规则且样本数目有限不适合使用传统的基于经验风险最小化的分割方法而支持向量机(Support Vector Machines SVM)是基于统计学习理论发展起来的一种有监督的分类方法它根据结构风险最小化原则在解决

• 基于支持向量机的神经元形态分类.doc

  全国第七届研究生数学建模竞赛题 目 基于支持向量机的神经元形态分类摘 要：本文针对神经元的空间几何形态特征分类问题以及神经元的生长预测问题进行了探讨结合神经元的形态数据建立了三个模型在较合理的假设下对各个模型进行求解得到了较理想的结果针对问题一分析了神经元的几何特征使用L-Measure软件并结合Matlab计算出了神经元的几何形态特征得到了具有20个特征的神经元数据样本最后采用

• 支持向量机算法.ppt

  支持向量机简介统计决策方法 支持向量机是数据挖掘中的一项新技术是借助于最优化方法解决机器学习的问题的新工具它由Vapnik等根据提出的一种新的机器学习方法它以结构风险最小为原则它本质上是求解凸二次规划问题在解决小样本非线性和高维模式识别问题中有较大优势 基本原理问题转化为寻找映射f(xw)： 它是评价预测准确度的一种度量不同的学习问题有不同形式的损失函数例给定样本其中损失函数基

• 基于支持向量机和多变量分析的高光谱遥感数据分类.pdf

  2009年　第11期 　　　　谭

• 垃圾短信论文：基于支持向量机的垃圾短信过滤方法研究.doc

  #

• 基于词向量空间模型的中文文本分类方法.pdf

  　第30 卷第 10 期

• 基于向量空间模型的文本聚类算法-86b0288da0116c175f0e486f.pdf

  #

• 支持向量机算法原理_相关文献.doc

  支持向量机算法理论与算法研究摘要　支持向量机是建立在统计学习理论VC维理论和结构风险最小化原理基础上的机器学习方法它在解决小样本非线性和高维模式识别问题中表现出许多特有的优势并在很大程度上克服了维数灾难和过学习等问题此外它具有坚实的理论基础简单明了的数学模型因此在模式识别回归分析函数估计时间序列预测等领域都得到了长足的发展并被广泛应用于文本识别手写字体识别人脸图像识别基因分类及时间序列预测等