1) SVM algorithm
![点击朗读](/dictall/images/read.gif)
SVM算法
1.
SVD and SLSI are used to reduce the dimension of feature space,SVM algorithm is employed to classify the feature vectors of testing collection,and the categorical accuracy and macro-average F1 ar.
以医学网页为实验对象,将网页中的文本抽取出来并分别用全局模型和差异模型表示,采用SVD和SLSI降维,利用SVM算法进行分类并计算分类正确率和F1指标。
2.
SVM algorithm use only labeled data to build a model for the classifier,then the EMBAYES classifier trains the model by a smaller number of labeled data augment with a large number of unlabeled data and ensures the accuracy.
SVM算法只使用已归类的数据训练分类器,而EM算法用少量已归类数据,结合大量的未归类数据来训练分类器,在减少已归类数据的同时保证了分类器的精度。
3.
In this paper,as the theory directing at minor samples,the applied aspects of SVM algorithm in watermarking detection are concerned.
根据Vapnik等人提出的一种基于统计学习理论的机器学习算法,在水印检测技术中引入一种针对小样本的学习理论SVM算法。
2) NN-SVM algorithm
![点击朗读](/dictall/images/read.gif)
NN-SVM算法
1.
Hence,the grid is introduced,and G-NN-SVM algorithm based on NN-SVM is presented.
![点击朗读](/dictall/images/read.gif)
在NN-SVM算法的基础上引入了网格概念,提出了G-NN-SVM算法,该算法先对空间进行分块,然后在空间块内计算样本距离,找出最近邻,并结合分块序列最小优化算法(SMO)进行了算法实现。
3) ACNN-SVM algorithm
![点击朗读](/dictall/images/read.gif)
ACNN-SVM算法
4) v-SVM algorithm
![点击朗读](/dictall/images/read.gif)
v-SVM算法
5) ART-SVM algorithm
![点击朗读](/dictall/images/read.gif)
ART-SVM算法
1.
This paper presents two Support Vector Machine(SVM) training algorithms based on Adaptive Resonance Theory(ART) and Self-Organizing feature Map(SOM)neural networks,namely ART-SVM algorithm and SOM-SVM algorithm respectively,in order to improve learning efficiency of SVM on large scale datasets.
针对支持向量机(Support Vector Machine,SVM)对大规模样本分类效率低下的问题,提出了基于自适应共振理论(Adaptive Resonance Theory,ART)神经网络与自组织特征映射(Self-Organizing feature Map,SOM)神经网络的SVM训练算法,分别称为ART-SVM算法与SOM-SVM算法。
6) SOM-SVM algorithm
![点击朗读](/dictall/images/read.gif)
SOM-SVM算法
1.
This paper presents two Support Vector Machine(SVM) training algorithms based on Adaptive Resonance Theory(ART) and Self-Organizing feature Map(SOM)neural networks,namely ART-SVM algorithm and SOM-SVM algorithm respectively,in order to improve learning efficiency of SVM on large scale datasets.
针对支持向量机(Support Vector Machine,SVM)对大规模样本分类效率低下的问题,提出了基于自适应共振理论(Adaptive Resonance Theory,ART)神经网络与自组织特征映射(Self-Organizing feature Map,SOM)神经网络的SVM训练算法,分别称为ART-SVM算法与SOM-SVM算法。
补充资料:BP算法
分子式:
CAS号:
性质:又称逆推学习算法,简称BP算法,是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统),它自动地将实际输出值和期望值进行比较,得到误差信号,再根据误差信号从后(输出层)向前(输入层)逐层反传,调节各神经层神经元之间的连接权重,直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小,但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号:
性质:又称逆推学习算法,简称BP算法,是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统),它自动地将实际输出值和期望值进行比较,得到误差信号,再根据误差信号从后(输出层)向前(输入层)逐层反传,调节各神经层神经元之间的连接权重,直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小,但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
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