结构风险最小化相关论文
符号回归作为一种数据驱动建模的重要方法,能够在很好的拟合训练数据的同时,给出显性的数学表达式便于分析。在数据驱动建模中,一......
针对来自系统参数、模型结构以及测量数据的不确定性等因素,建模它们的最优下界对实际问题的研究显得尤为重要.基于复杂系统的不确......
本论文针对支持向量机中目前存在的一些问题，进行了较为深入的研究，对支持向量机方法进行扩展与研究。 本文归纳、总结了核函......
论文的主要内容包括:从统计学习理论的统计基础开始着手,与经典模式识别相比较,从中可以看到统计思想的发展进步:从统计学的大数定......
支持向量机和粗糙集理论是当今人工智能和机器学习领域的研究热点。支持向量机以结构风险最小化原则为分类准则，利用靠近分类边界的......
双支持向量机(TSVM)是基于支持向量机(SVM)上提出的一种新型机器学习方法,具有良好的学习性能,目前已成为机器学习领域的研究热点......
数据驱动建模可以不需要先验知识,就能挖掘出数据背后隐含的规律,是未来大数据时代的热门研究。相比于早期的依据确定模型计算参数......
支持向量机以其深厚的理论基础和良好的实际应用性能而成为机器学习研究中的新热点，它可以通过自身的模型参数而控制其学习能力和泛......
支持向量机(Support Vector Machines，简称SVMs)是建立在统计学习理论的VC(Vapnik-Chervonenkis)维理论和结构风险最小化原理基础上......
本文在加权径向基函数这一统一方法的框架下,对常用的几种软计算方法(包括神经网络、小波网络、模糊系统、贝叶斯分类器、模糊划分......
提出了一种结合小波变换的结构风险最小化空时均衡器(WSRM-STE),WSRM-STE采用小波变换技术可提高收敛速度.该方法在多维小波基上张......
分析了径向基插值代理模型的特点,为了提高代理模型的推广能力,引入了结构风险最小化基本原理;指出基函数满足Mercer条件的径向基......
针对大噪声、小样本情形下神经网络学习的外推能力弱这一突出的问题,根据统计学习理论中结构风险最小化准则的基本原理,提出了一种......
船舶的动态性能具有大惯性、大时滞、非线性等特点,采用基于结构风险最小化原则的神经网络———支持向量机（SVM）,充分发挥其可以任......
由于年负荷的发展包含稳定增长趋势成分和随机成分，因此针对单一中长期负荷预测模型通常难以达到理想的预测精度，而组合模型可以对不......
支持向量机(support vector machine,简称SVM)是近年来在国外发展起来的一种新型机器学习技术,由于其出色的学习性能,该技术已成为......
基于结构风险最小化[1]的支持向量机是一种新的机器学习方法,具有适应小样本学习和提高学习机泛化性能的优点,详细介绍了将其应用......
目前的基于多项式、正交多项式和加权正交多项式的图像配准方法是以误差平方和为度量标准的．此度量会导致图像配准结果出现过溢出现......
支持向量机是基于结构风险最小化原理的一种学习技术，是一种具有很好泛化能力的预测工具，它有效地解决小样本、非线性、高维数、局部......
介绍了统计学习理论和支持向量机的概貌,以及目前支持向量机方法研究的现状....
支持向量机是一种新型机器学习方法，由于其出色的学习性能，该技术已成为机器学习领域新的研究热点。介绍用于分类的支持向量机的统计......
支持向量机是一种基于统计学习理论的新型机器学习方法，因其独特的优势和出色的学习性能，显现出广泛的应用前景和重要的研究价值．较为......
对影响粗糙集学习机器泛化性能的因素进行了分析，通过将结构风险最小化原则引入到粗糙集学习中，提出了粗糙集学习的结构风险最小化方......
针对核爆地震识别问题的特点,提出利用支持向量机(SVM)方法进行核爆地震的自动识别。该方法借助算法的内在能力来实现特征的选择变......
支持向量机是基于结构风险最小化原理的一种学习技术,是一种具有很好泛化能力的预测工具,它有效地解决小样本、非线性、高维数、局......
支持向量机是基于结构风险最小化原理的一种学习技术，具有很好泛化能力的预测工具，它有效地解决小样本、非线性、高维数、局部极小等......
支持向量机方法基于结构风险最小化原理，克服了常规统计方法的局限性，能够在有限的样本集基础上兼顾模型的通用性和推广性，预测精度更......
快速准确的纸币清分在银行业中具有非常重要的意义。清分系统包括纸币图像采集、图像预处理、特征提取及分类器设计等几个步骤,其......
船舶的动态性能具有大惯性、大时滞、非线性等特点，经采用基于结构风险最小化原则的神经网络——支持向量机，能充分发挥其可以任意逼......
针对航空发动机具有强非线性、时变性的特点以及采用常规神经网络辨识时存在的局部较小,过学习等问题,提出了一种基于支持向量机的......
基于结构风险最小化方法将改进的小波变换用于故障信号消噪，它考虑的三个重要因素是：基函数，基函数排序和基函数个数选取。通过对小波......
介绍机器学习的表示方式,分析和比较机器学习中经验风险最小化原则和结构风险最小化原则,引出用于回归估计的支持向量机,并用数学......
小波神经网络随着输入维数的增加,网络参数将呈指数倍增加,导致收敛速度下降.在研究统计学理论的基础上,提出了以结构风险最小化为......
说话人识别技术的研究是智能信息处理的研究热点问题之一。支持向量机是统计学习理论的一个重要学习方法，也是解决模式识别问题的一......
支撑向量机是一种基于统计学理论的新的学习算法，它采用了结构风险最小化原则，能有效地解决过学习问题，具有很强的泛化能力。传统支撑......
针对自适应FIR滤波器在非平稳条件下跟踪性能差的问题,提出采用结构风险最小化（SRM）准则来改进FIR滤波器的方法,并进行了分析和仿真......
支持向量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法,文中研究了支持向量机的分类机理,并将其应用于形状......
传统的离散仿射小波神经网络训练都是建立在大样本基础上的,当样本数量较少时,不能保证网络的泛化能力。在研究统计学理论的基础上......
在分析学生学习行为的基础上,文章提出了支持向量机的学习评估系统的设计方案并进行了模拟,结果显示该系统能够有效地实现对学生的......
支持向量机是一种基于结构风险最小化原理的分类技术,本文提出了将支持向量机分类器进行集成的分类思想.首先,在原始样本的基础上......
不同于传统的基于经验风险最小化的回归方法，支持向量机回归方法基于结构风险最小化准则。与神经网络相比，该方法在解决学习精度和推......
为了提高支持向量机的泛化能力，给出了一个鲁棒损失函数，利用它建立了鲁棒支持向量机，并利用对偶原理推导出其对偶优化问题的形式，在此......
文章详细论述了统计学习的基本理论和信息安全风险管理的重要性。提出了应用结构风险最小化原则和支持向量机进行信息安全风险管理......
最小二乘双支持向量回归机(LSTSVR)通过引入最小二乘损失将双支持向量回归机(TSVR)中的二次规划问题简化为两个线性方程组的求解,......
通过分析径向基函数网络与支持向量机之间的关系,将结构风险最小化原则应用于径向基函数网络学习中,与传统的基于经验风险最小化原......
提出了一种采用容量控制技术减少训练数据的结构风险最小化空时均衡器（SRM-STE）。该方法在利用通信信号中学习信息的同时,通过容量控......
提出了一种新的采用结构风险最小化（SRM）准则的盲均衡器（SRM-BE）.该方法根据信号的特征恢复思想,以SRM为准则构造具有时间去相关特性的......
在Sugeno测度空间上,为了将结构风险最小化原则应用于局部函数估计问题,给出了局部风险最小化估计问题的思想,并证明了局部风险最......
