1) optimal hyperplane
最优超平面
1.
The key problem of the support vector machine (SVM) is how to obtain an optimal hyperplane that is the critical boundary for distinguishing the sample which belongs to one kind or another.
支持向量机(SVM)是解决小样本学习问题的有力工具,其关键是如何得到判别样本类别的最优超平面。
2) optimal separating hyperplane
最优分类超平面
1.
Geometric interpretation of optimal separating hyperplane;
最优分类超平面的几何意义
2.
A new algorithm to the optimal separating hyperplane;
确定最优分类超平面的新算法
3.
In respect of the skew of the optimal separating hyperplane and the generalization error bound that exist in the practical application of support vector machine,this paper introduces the total margin algorithm and different cost algorithm,which improves the standard support vector machine.
针对支持向量机在实际应用中存在的最优分类超平面的倾斜问题和推广误差界的问题,引入了总间隔与代价差异算法,对标准的支持向量机算法进行了改进。
3) optimal separating hyperplane (OSH)
最优分类超平面(OSH)
5) optimal projection plane
最优投影平面
1.
Recognition of radar target based on optimal projection plane using range profile;
基于最优投影平面的雷达目标一维距离像识别
6) optimal discrimination plane
最优判别平面
1.
The optimal discrimination plane(ODP) analysis method of orthogonal experiment based on pattern recognition was proposed.
针对现有正交试验数据分析方法有操作复杂和适应性弱的弊端,提出基于模式识别的最优判别平面(ODP)分析法。
补充资料：超平面
超平面
hyperpbne
超平面〔hyP阂肉毗;r.ePooc肋cT‘]，域K上的向量空间X中的 具有一维商空间XZM的一个向量子空间M(在平移之下)的象，即形如x。十M的集合，这里x。任X是某一个向量.如果x。~0，有时就称这个超平面为齐次的.子集7rCX是一个超平面，当且仅当 兀={ x:f(x)=时，(‘)咔K，介X’是一个非零线性泛函.这里f和“除开一个共同的因子口砖0外，是由M确定的. 在拓扑向量空间里，任意一个超平面或者是闭的，或者是到处稠密的;作为由公式(*)所定义的7r是闭的充分必要条件为泛函f是连续的. M.H.Bohaexo8C.成撰郝车丙新译
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