已閱讀1頁，還剩47頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、支持向量機(Support Vector Machine,SVM)是由Vapnik等人于上世紀90年代提出的一種機器學習算法,其以統(tǒng)計學習理論為基礎,SVM最突出的特點是:當數據樣本的數目有限的時候,其訓練也能夠得到最優(yōu)結果。并且,其最小化實際風險是通過結構風險最小化來實現(xiàn)的。SVM有較好的泛化能力,另外,SVM也克服了在以往的機器學習的算法中容易出現(xiàn)局部最優(yōu)解的問題。正因為這些優(yōu)點,SVM才成為了在實際環(huán)境中被廣泛使用的機器學習算法。
2、
支持向量數據描述(Support Vector Data Description,SVDD)由Tax等人在上世紀末提出,其更多地關注數據集的分布特征,一個好的數據域描述應該包含所有的目標數據點并且不包含多余的空間,數據域的邊界能夠用于檢測正常數據和異常數據。SVDD是受支持向量分類器(Support Vector Classifier SVC)的啟發(fā)而產生的。最近,以SVDD為基礎的多類分類問題的研究也受到了廣大學者的關
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于網格搜索的支持向量機在入侵檢測中的應用.pdf
- 改進網格搜索的支持向量機參數優(yōu)化研究及應用.pdf
- 基于脈沖核的支持向量機研究與應用.pdf
- 支持向量機的研究與應用.pdf
- 基于支持向量機的建模算法與應用研究.pdf
- 最優(yōu)搜索理論與支持向量機在信息檢索中的應用研究.pdf
- 基于支持向量機的特征選擇方法的研究與應用.pdf
- 基于模糊支持向量機的網絡信任研究與應用.pdf
- 主動支持向量機的研究與應用.pdf
- 基于支持向量技術的Agent強化學習研究與應用.pdf
- 支持向量機分類算法的研究與應用.pdf
- 支持向量數據描述與支持向量機及其應用.pdf
- 基于支持向量機的算法及其應用研究.pdf
- 基于支持向量機的算法及應用研究.pdf
- 基于支持向量機的數據挖掘應用研究.pdf
- 基于支持向量機的混合增量學習算法與應用.pdf
- 基于支持向量機的特征提取方法研究與應用.pdf
- 基于支持向量機的新聞自動分類技術的研究與應用.pdf
- 基于支持向量機的音頻分類技術研究與應用.pdf
- 基于Hadoop的分布式支持向量機的研究與應用.pdf
評論
0/150
提交評論