1) ε-SVM
ε-支持向量机
2) ε Support Vector Regression(ε-SVR)
ε支持向量回归机
3) ε-support vector regression
ε-支持向量回归机
1.
Summarize Support Vector Machine methods which are often applied:ε-Support Vector Regression and Least square Support Vector Regression,and illustrates a application case.
对于常见的支持向量回归机方法:ε-支持向量回归机和最小二乘支持向量回归机进行了归纳总结,并给出了一具体应用案例。
4) insensitive support vector regression
ε不敏感支持向量回归
1.
Chemical process data modeling based on ε-insensitive support vector regression;
ε不敏感支持向量回归在化工数据建模中的应用
5) Alterableεsmooth support vector regression
变ε光滑支持向量回归
6) SVM
支持向量机
1.
SVM models for analysing the headstreams of mine water inrush;
矿井涌水水源分析的支持向量机模型
2.
THE INFRARED SPECTRUM NATURAL GAS COMPOSITION ANALYSIS SYSTEM BASED ON SUPPORT VECTOR MACHINE(SVM);
基于支持向量机的红外光谱天然气分析系统
3.
Method for Fracturing Effect Prediction Based on Support Vector Machine(SVM);
基于支持向量机的压裂效果预测方法研究
补充资料：支持向量机方法
支持向量机(SVM)是90年代中期发展起来的基于统计学习理论的一种机器学习方法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。支持向量机算法是一个凸二次优化问题,能够保证找到的极值解就是全局最优解，是神经网络领域域取得的一项重大突破。与神经网络相比，它的优点是训练算法中不存在局部极小值问题，可以自动设计模型复杂度(例如隐层节点数)，不存在维数灾难问题，泛化能力强。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条