【摘 要】
：
由Vapnik等提出的支持向量机(SVM)理论,成功地解决了分类器的构造问题,对线性可分的二分类样本可由支持向量决定的最优超平面分开,而对非线性可分的二分类样本,可通过选择适
【机 构】
：
南京大学计算机软件新技术国家重点实验室,南京大学计算机科学技术系,南京210093
论文部分内容阅读
由Vapnik等提出的支持向量机(SVM)理论,成功地解决了分类器的构造问题,对线性可分的二分类样本可由支持向量决定的最优超平面分开,而对非线性可分的二分类样本,可通过选择适当形式的核函数和参数,使其在特征空间中线性可分.但SVM 方法需要求解二次规划,对多分类问题,需要构造SVM 决策树,复杂度较高。交叉覆盖算法用超平面切割超球面而成的球形领域作神经元构造神经网络,分类能力强,运行速度快,较好地解决了一些难解问题,但有覆盖数较多和存在拒识样本的不足。本文在分析RBF核函数性质的基础上,将覆盖算法、模糊集与SVM相结合,给出一种新的构造性神经网络。实例显示与传统分类方法、SVM 方法和一般覆盖网络相比,这种算法都是高效的。
其他文献
针对电力系统无功静补系统面临的非线性、多目标控制问题,应用滑模变结构控制理论、鲁棒控制理论和直接反馈线性化技术,设计了能同时改善电力系统功角稳定与装设点。电压动态
本文提出了一种基于支持向量机与全局鲁棒性的变结构控制算法。在引入变结构趋近律与平移滑平面后,得到了基于平移滑平面的变结构控制算法。然后根据扰动的上下界得到了趋近
由于水下灵巧手工作环境的特殊性,及其动力学模型高度非线性、强耦合的特点。使其轨迹控制器的构建成为难点。为了提高水下灵巧手精细作业能力,采用一种模糊CMAC构建手指的轨
为了快速地进行细化,并有利于采用BP 神经网络的强大分类功能对指纹图像进行分类,提出并实现BP神经网络对指纹图像进行细化,从而在不增加细化模板的情况下,达到细化所满足的
认知图CM(Cognitive Map)是一种新的智能方法,与专家系统、神经元网络等传统智能技术相比,它具有独特的优势,如易于表示结构化知识,易于进行运算推理的数字矩阵(而不是基于规
本文讨论了具有时变时滞Cohen-Grossberg 神经网络的指数稳定性问题。通过选取合适的Lyapunov-Krasovskii泛函, 引入与系统等价的描述系统, 得到了一个关于其指数稳定的时滞
机器学习所述的学习系统旨在根据教师所提供的一组概念样本和背景知识,确定特定概念的描述。从认识论观点来看,对样本进行学习,其知识都集中在样本集上,我们无法"无中生有",
对角回归神经网络的学习速率和结构选取都是采用经验法。遗传对角回归网络就是应用遗传算法对它的学习速率和网络结构进行优化,用优化的结果来构成一个新神经网络,并给出了具
燃气日负荷的预测对燃气生产计划及合理调度起着重要的指导作用。为提高燃气负荷预测的精度,通过分析燃气日负荷的变化规律和影响因素,建立了合理的燃气日负荷预测模型,采用
本文讨论分形几何与商空间理论的关系,提出商分形的概念,并讨论分形图的逼近与商空间粒度计算之间的关系。得到的主要结论：①证明一个函数迭代系统W={(X,d),wi,i=1,…,n}对应