1) hyperplane clustering
超平面聚类
1.
The condition about sparsity of sources was loosened and a new underdetermined mixing sparse component analysis algorithm was proposed based on hyperplane clustering.
已有的大多数稀疏分量分析算法都是假定源信号是充分稀疏的,或经过小波变换、Fourier变换等后是充分稀疏的,该论文对源信号的稀疏性要求放宽了条件,提出了一种新的基于超平面聚类的欠定混叠稀疏分量分析算法。
2) classification hyperplane
分类超平面
1.
Combining the new measure with the forward regression orthogonal least square (OLS), not only the parameters of the classification hyperplane, but also the important input nodes can be obtaind.
提出一种基于输入集分类函数的新的距离度量方法 ,它与前传回归的正交最小二乘法相结合 ,不仅可以学习分类超平面的参数 ,而且可以选择重要的输入节点。
3) Hyperplane classification
超平面分类
4) separating hyperplane
分类超平面
1.
The separating hyperplane of traditional support vector machines is sensitive to noises and outliers.
传统的支持向量机分类超平面对噪声和野值非常敏感。
5) K-plane clustering
K平面聚类
6) optimal separating hyperplane
最优分类超平面
1.
Geometric interpretation of optimal separating hyperplane;
最优分类超平面的几何意义
2.
A new algorithm to the optimal separating hyperplane;
确定最优分类超平面的新算法
3.
In respect of the skew of the optimal separating hyperplane and the generalization error bound that exist in the practical application of support vector machine,this paper introduces the total margin algorithm and different cost algorithm,which improves the standard support vector machine.
针对支持向量机在实际应用中存在的最优分类超平面的倾斜问题和推广误差界的问题,引入了总间隔与代价差异算法,对标准的支持向量机算法进行了改进。
补充资料：超平面
超平面
hyperpbne
超平面〔hyP阂肉毗;r.ePooc肋cT‘]，域K上的向量空间X中的 具有一维商空间XZM的一个向量子空间M(在平移之下)的象，即形如x。十M的集合，这里x。任X是某一个向量.如果x。~0，有时就称这个超平面为齐次的.子集7rCX是一个超平面，当且仅当 兀={ x:f(x)=时，(‘)咔K，介X’是一个非零线性泛函.这里f和“除开一个共同的因子口砖0外，是由M确定的. 在拓扑向量空间里，任意一个超平面或者是闭的，或者是到处稠密的;作为由公式(*)所定义的7r是闭的充分必要条件为泛函f是连续的. M.H.Bohaexo8C.成撰郝车丙新译
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