1) Multi-Reduced Support Vector Machines (MRSVM)
多约简支持向量机
2) MWRSVM-DC
约简支持向量机
1.
To deal with the problem that support vector machine(SVM) is restricted to work well on the small sample sets,based on the Morlet wavelet kernel function,a novel reduced support vector machine on Morlet wavelet kernel function (MWRSVM-DC) is proposed.
针对支持向量机(SVM)的训练数据量仅局限于较小样本集的问题,结合M orlet小波核函数,提出了一种基于M orlet小波核的约简支持向量机(MW RSVM-DC)。
3) Simple support vector machine
简易支持向量机
4) simplified support vector machine
简化支持向量机
5) Reduced Support Vector Machines
约简支撑向量机
1.
Unsupervised Clustering Based Reduced Support Vector Machines;
基于无监督聚类的约简支撑向量机
6) multiclass SVM
多类支持向量机
1.
In this paper,a method of decision fusion based on multiclass SVM and D-S evidential theory is presented to try to solve the problem,multiclass SVM is used as the local classifier, and the BPAF is constructed accordingly,then the primary results are fused to obtain the ultima result using D-S evidential theory.
本文提出了一种基于多类支持向量机和D-S证据理论的决策融合算法,将多类支持向量机作为局部判决器,构造了相应的基本概率赋值函数,然后用D-S证据理论对各初步判决结果进行融合,得出对目标的最终识别结论。
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