RBF核相关论文
支持向量机(SVM)是机器学习领域中正在快速发展的一种技术,在模式识别、回归预测、密度估计等方面都有广泛的应用。支持向量机建立......
在许多领域,人们发现很多问题本质上都有多示例设定的背景,例如新药发现,文本分类(信息检索),图像分类(机器视觉),语音识别(信号处......
SVM是一种新型的机器学习方法,其分类性能的优劣主要受核函数及核参数的影响,国内外学者针对SVM核参数的选择已提出许多算法.本文首先......
传统的支撑向量机(SVM)训练速度非常慢,使用RBF核的序列最小优化(SMO)是有效的SVM改进算法.综合网格法和双线形法的优点,提出分段层近......
提出了一种双线性分段二分网格搜索方法来确定SVM模型的最优参数。首先,在初始搜索范围内,以等间隔固定取样值,对惩罚因子进行采样......
在SVM学习中,对SVM的核函数及其参数的选择还没有形成一个统一的模式。论文对基于RBF核的SVM分类器中参数(C,γ)的选定做了深入研究。......
使用RBF核的SVM(支持向量机)被广泛应用于模式识别中。此类SVM的模型选择取决于两个参数,其一是惩罚因子C,其二是核参数σ^2。该文使......
SVM是一种新型的机器学习方法,其分类性能的优劣主要受核函数及核参数的影响,国内外学者针对SVM核参数的选择已提出许多算法.本文......