Lp范数约束的多核半监督支持向量机学习方法

来源 :软件学报 | 被引量 : 0次 | 上传用户:jinhui4620
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在机器学习领域,核方法是解决非线性模式识别问题的一种有效手段.目前,用多核学习方法代替传统的单核学习已经成为一个新的研究热点,它在处理异构、不规则和分布不平坦的样本数据情况下,表现出了更好的灵活性、可解释性以及更优异的泛化性能.灶合有监督学习中的多核学习方法,提出了基于上。范数约束的多核半监督支持向量机(semi-supervised support vector machine,简称S^3VM)的优化模型.该模型的待优化参数包括高维空间的决策函数厶和核组合权系数靠.同时,该模型继承了单核半监督支持向量机
其他文献
高职教育应面对市场的竞争,探讨提高职业教育的层次及深化高职教育的改革.加强教学的创新,突出职业教育的特色,利用高新科技提升教育的质量,使培养的人才能适应社会的需要.
合理运用动机原则,通过对教学内容的取舍,教学态度和方法的改进,可以有效激发学生的学习动机;根据学科自身的特点,有意识地强调结构原则,将学科教育与学生的原有经验和知识结
针对回归问题中存在采集数据不完整而导致预测性能降低的情况,根据支撑向量回归机(suppon vector regression,简称SVR)等价于中心约束最小包含球(center-constrained minimum encl
路标信息能够准确描述智能规划问题解空间的基本形态.提出由路标信息引导的分解规划方法,求解过程由路标计数启发式引导增强爬山算法向目标方向进行,根据路标的完成情况分段求出