遗传算法优化的支持向量机湿地遥感分类x02014x02014以洪河国家级自然保护区为例臧淑英 张策 张丽娟 张玉红哈尔滨师范大学地理科学学院 黑龙江 哈尔滨 150025图2 洪河自然保护区湿地遥感分类结果Scientia Geographica Sinica201232(4):
遗传算法优化的支持向量机湿地遥感分类x02014x02014以洪河国家级自然保护区为例臧淑英 张策 张丽娟 张玉红哈尔滨师范大学地理科学学院 黑龙江 哈尔滨 150025图1 洪河国家级保护区地理位置Scientia Geographica Sinica201232(4):
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
2009年 第11期 谭
梅雨论文:基于SVM的梅雨量预测研究【中文摘要】近100多年来全球气候变化日益剧烈各种天灾接踵而至夏季旱涝灾害是其中重要灾害之一长江中下游梅雨期对度量当地夏季旱涝是一项主要指标因此对梅雨总量的预测研究对研究长江中下游夏季旱涝情况有重要的意义如何通过观测有限个历史样本建立模型实现预测是寻找最优预测模型的重要工作统计学习理论是针对小样本情况下的机器学习理论其核心思想是通过控制学习机的复杂度实现对其
单击此处编辑母版标题样式智能信息处理实验室单击此处编辑母版文本样式第二级第三级第四级第五级单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级智能信息处理实验室单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级智能信息处理实验室单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级智能信息处理实验室单击此处编辑母版标题样式单击此处编辑母版
单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级支持向量机10212885 黄广民简介支持向量机是一种通用的前馈网络类型最早于1992年提出支持向量机主要用于模式分类和非线性回归支持向量机是一种线性机器简介支持向量机的主要思想:建立一个超平面作为决策曲面使得正例和反例之间的隔离边缘被最大化 构建支持向量机学习算法的关键:在 支持向量 xi和输入空间抽取的向量x之间的内积核这
单击此处编辑母版文本样式第二级第三级第四级第五级单击此处编辑母版标题样式支持向量机简介Support Vector Machines - an IntroductionApplication DomainsSupervised LearningPattern RecognitionRegression and time seriesUnsupervised LearningDimensionali
按一下以編輯母片第二層第三層第四層第五層Chap8 SVM Zhongzhi Shi第八章 高级人工智能史忠植中国科学院计算技术研究所支持向量机 Support Vector Machines2022441Chap8 SVM Zhongzhi Shi内容提要统计学习方法概述统计学习问题学习过程的泛化能力支持向量机SVM寻优算法应用2022442Chap8 SVM Zhongzhi Shi统计学
函数最优化实例1求函数极大值2求函数极大值31 二进制编码,长度20位2 适应度函数为目标函数z3 遗传操作:轮盘赌法、单点交叉、变异概率pm=0014 种群大小:404GA搜索寻优5GA搜索寻优群体迭代遗传与进化6 某次优化过程:搜索到最优解: [z,x,y]=[3906,-2048,-2048]7群体寻优(第0代)8群体寻优(第50代)9群体寻优(第75代)10群体寻优(第100代)11每代最
违法有害信息,请在下方选择原因提交举报