1) improved least squares support vector machine(LS-SVM)
改进最小二乘支持向量机(LS-SVM)
2) least squares support vector machines (LS-SVM)
最小二乘支持向量机(LS-SVM)
3) Least Squares Support Vector Machine(LS-SVM)
最小二乘支持向量机(LS-SVM)
1.
A flow regime identification method,which is based on empirical mode decomposition(EMD) multi-scale information Renyi entropy and least squares support vector machine(LS-SVM),was put forward.
提出一种基于经验模式分解(EMD)多尺度Renyi熵和最小二乘支持向量机(LS-SVM)的流型辨识方法。
2.
Least Squares Support Vector Machine(LS-SVM) is one of the SVM method which can overcome the dimension disaster of the classic quadratic program method to train the support vector machine,it is fit for the training of large scale data.
最小二乘支持向量机(LS-SVM)方法克服了经典二次规划方法求解支持向量机的维数灾问题,适合于大样本的学习。
4) LS- SVM
最小二乘-支持向量机(LS-SVM)
5) least squares support vector machine (LS-SVM)
最小二乘支持向量机(LS-SVM)
1.
A flow regime identification method, which is based on empirical mode decomposition (EMD) multi-scale information Renyi entropy and least squares support vector machine (LS-SVM), was put forward.
提出一种基于经验模式分解(EMD)多尺度Renyi熵和最小二乘支持向量机(LS-SVM)的流型辨识方法。
6) least square support regression
最小二乘支持向量机回归(LS-SVR)
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