多尺度核相关论文
针对非线性支持向量机分类准确率受核函数影响的问题，提出一种多尺度核支持向量机（multi-scale kernel support vector machine, MSK......
针对选择性催化还原(selective catalytic reduction，SCR)脱硝系统中输入变量的多尺度特性及时变特性问题，将核偏最小二乘与多核学习......
针对过程数据不足,且具有强非线性和多尺度特性的新间歇过程,结合迁移学习方法与多尺度核学习方法的优势,提出了一种基于多尺度核J......
针对传统的偏最小二乘回归(PLS)、人工神经网络(ANN)、支持向量机(SVM)等非线性建模方法在概率积分法参数辨识中存在着预测效果差......
本文提出了一种简易的基于随机多尺度核的贝叶斯分布回归学习框架(RMKBDR),适用于具有复杂数据形式的分布回归问题。我们采用两阶......
多尺度核方法是当前核机器学习领域的一个热点.通常多尺度核的学习在多核处理时存在诸如多核平均组合、迭代学习时间长、经验选择......
针对工业、信息等领域出现的基于较大规模、非平稳变化复杂数据的回归问题,已有算法在计算成本及拟合效果方面无法同时满足要求.因......
使用机器学习方法进行图像的分类是当下热门的研究方向之一,Google的AlphaGo与人类的围棋大战,更是促进了机器学习的进一步发展,卷......
本文提出了一种简单的多核学习框架,用于对复杂数据的回归问题进行建模.选取多尺度的高斯核函数作为基本内核,根据随机配置的方法......
针对选择性催化还原(selective catalytic reduction,SCR)脱硝系统中输入变量的多尺度特性及时变特性问题,将核偏最小二乘与多核学......
目前腐蚀疲劳破坏预测方法精度不高。提出基于小波多分辨分析法（MRA）,在再生核希尔伯特空间构建一种多尺度核函数的最小二乘支持向量......
本文对再生核Hilbert空间中的最小二乘正则化回归学习算法做出改进,提出了基于多尺度核的分布式正则化回归学习算法。在回归问题中......
