1) linear least square support vector machines(LLSSVM)
线性最小平方支持向量机
1.
Therefore,to solve this problem,a method with spatial information considered was proposed based on linear least square support vector machines(LLSSVM).
首先创建一种具有鲁棒特性的线性最小平方支持向量机(LLSSVM),并将其应用于初次光谱解译;然后利用空间信息进行智能性纯像素判定、解译结果校正,并对混合像素进行相关类别选择;最后再次应用LLSSVM在相关类别内进行二次解译。
2) least square support vector machine(LS-SVM)
最小平方支持向量机
1.
Feature subset and parameters are often selected manually in classification problem based on support vector machine(SVM) and least square support vector machine(LS-SVM),which is very time consuming.
支持向量机和最小平方支持向量机的分类中,采用人工方法选取特征子集和参数,需要付出较高的时间代价。
3) nonlinear least squares support vector machine
非线性最小二乘支持向量机
1.
This paper presented a nonlinear least squares support vector machine method to identify the prokaryotes gene.
应用非线性最小二乘支持向量机对原核生物进行基因识别,通过寻找序列开放阅读框(ORF),并与可靠基因位点文件进行比较产生训练样本集,然后提取样本GC含量和Z曲线特征,并利用T检验方法检验各特征值所包含的信息量,设计出了非线性最小二乘支持向量机分类器识别基因。
4) Linear SVM
线性支持向量机
1.
In the decision tree, several linear SVM were constructed which can achieve the highest detection rate on the negative samples combining the feature extraction method, the negative samples which can be correctly classified by the hyperplane were removed from the original samples, and trained one nonlinear SVM using the rest samples.
该方法首先构造在负样本上分类正确率最高的线性支持向量机,并与特征提取相结合得到新的支持向量机分类器,被该支持向量机正确分类的负样本将从训练样本集中删除,类似得到一系列的线性支持向量机,最后用余下的训练样本训练一个非线性支持向量机;分类时,决策树中的根节点作为第一个分类器,再根据分类的结果决定下一步的走向。
5) Least-Square Support Vector Machines
最小二乘的支持向量机方法
6) on-line least squares support vector machine
在线最小二乘支持向量机
1.
Thermal error modeling & compensation of numerical control machine tools based on on-line least squares support vector machine;
基于在线最小二乘支持向量机的数控机床热误差建模与补偿
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