1) successive overrelaxation for support vector regression arithmetic
连续超松弛支持向量回归算法
2) successive overrelaxation for support vector
连续超松弛支持向量
1.
Research on application of successive overrelaxation for support vector regression arithmetic;
连续超松弛支持向量机回归算法应用研究
4) support vector machine regression algorithm
支持向量机回归算法
1.
The theory of support vector machine and the establishment of internal model control based on support vector machine regression algorithm were introduced.
首先,简介支持向量机回归算法和内模控制原理;其次,提出基于支持向量机回归算法构造的被控过程的逆模型,将该逆模型作为控制器,并在主控系统中增加鲁棒控制器以增加系统的鲁棒性及跟踪性能。
5) autoregressive support vector regression algorithm
自回归支持向量回归机算法
6) SOR
连续过松弛算法
1.
Therefore,a single defect successive over-relaxation algorithm(SD-SOR) is firstly proposed in this paper to fast analyze nodal voltage drop distributions of P/G networks resulted from single open defect.
为此,首次提出了单故障连续过松弛算法(SD-SOR),对发生单开路电阻故障的P/G网节点电压分布进行快速分析。
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