1) WD ν-SVM
双ν支持向量机
1.
A new class-Weighted Dual ν -SVM, termed as WD ν -SVM, is proposed and Karush-Kuhn Tucker condition (KKT) is derived for it.
该文提出了一种类加权的双ν支持向量机,称为WDν-SVM。
2) dualνsupport vector machine (dualν-SVM)
双ν支持向量机(dualν-SVM)
3) ν-support vector machine
ν-支持向量机
1.
System marginal price prediction and confidence interval estimation with ν-support vector machine;
基于ν-支持向量机的边际电价预测及置信区间估计
2.
Convergence of ν-support vector machine;
ν-支持向量机的收敛性
3.
The ν-support vector machine (ν-SVM) classifier proposed by (Sch(o··)lkopf) has the advantage of controlling numbers of support vectors and errors compared to regular SVM.
lkopf等提出的基于二次规划的ν-支持向量机(ν-SVM)与标准SVM相比,其优势在于可以控制支持向量的数目和误差,但由于增加了模型的复杂性,限制了其应用。
4) support vector regression machine(ν-SVR)
支持向量回归机(ν-SVR)
5) TWSVMs
双分界面支持向量机
6) dual-weight support vector machines
双重加权支持向量机
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