1) SVV
支持向量可视化
1.
A new algorithm called support vector visualization(SVV) was proposed for visualization of classification results of two-category data to meet the need in some applications.
针对在某些应用领域对二分类数据分类结果可视化的需求,以及现有无监督可视化算法无法提供分类结果的相关信息的问题,提出了二分类数据分类结果可视化算法———支持向量可视化(SVV)。
2) visual decision support
可视化决策支持
1.
A method of visual decision support for the planning and scheduling of imaging satellites is proposed.
本文提出了一种成像卫星规划与调度的可视化决策支持方法。
3) drawing processing
可视化图形支持
5) vector visualization
向量可视化
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