1) vicinal SVM
邻域支持向量解
2) support vector domain
支持向量域
1.
Prediction of chaotic time sequence using least squares support vector domain;
最小二乘支持向量域的混沌时间序列预测
2.
Support vector domain fault prediction based on support vector pre-extracting
基于支持向量预选取的支持向量域故障预报
3.
A new predication method of customer credit of banks is proposed based on the support vector domain classification model of non-balance data set.
基于非平衡数据集的支持向量域分类模型,提出了一种银行客户个人信用预测方法。
3) support vector domain description
支持向量域描述
1.
Reduced support vector domain description method RSVDD;
一种约减支持向量域描述算法RSVDD
2.
A separation hyperplane is constructed based on support vector domain description(SVDD),which attempts the combination of SVDD with SVM.
针对两类分类问题中使用支持向量机(Support Vector Machines,SVM)训练时间长和支持向量域分类器(Support Vector Domain Classifier,SVDC)精度不高的问题,建立一种基于支持向量域描述(Support Vector Domain Description,SVDD)的分离超平面,尝试将SVDD与SVM结合。
3.
The data of every fault class are trained by support vector domain description (SVDD)to obtain the optimal enclosing feature spaces.
该模型采用支持向量域描述算法(SVDD)对多类故障进行单独训练,建立独立而封闭的特征空间,满足故障类别的动态增加需要,并采用样本与各特征空间的相对距离进行了多故障的混合识别。
4) support vector data description
支持向量域描述
5) Decomposition Forward Support Vector Machine (DFSVM)
分解向前支持向量机
1.
A Decomposition Forward Support Vector Machine (DFSVM) algorithm for large scale samples learning and a new dimension reduction model based on Independent Component Analysis (ICA) were proposed.
提出一种基于大样本学习的分解向前支持向量机算法和一种新的基于独立成分分析的降维学习模型,其算法的复杂度比传统块算法和标准SVM低。
6) support vector machines
支持向量
1.
Application of support vector machines in examination of worn striation mark;
支持向量机方法在线条痕迹检验中的应用
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