1) hidden space support vector machines
隐空间支持向量机
1.
Utilizing least squares loss function in the hidden space, least squares hidden space support vector machines (LSHSSVMs) are proposed in this paper.
在隐空间中采用最小二乘损失函数,提出了最小二乘隐空间支持向量机(LSHSSVMs)。
2) least squares hidden space support vector machines(LSHSSVMs)
最小二乘隐空间支持向量机
1.
A new algorithm based on least squares hidden space support vector machines(LSHSSVMs) was proposed,to improve classific precision of network intrusion detection model,reduce the number of training data set and learning time.
在基于支持向量机的基础上,提出一种新的利用最小二乘隐空间支持向量机设计IDS的检测算法,解决了网络入侵检测系统中检测算法的分类精度不高、训练样本数需要较多,及训练学习时间较长等问题。
3) HM-SVM
隐马尔可夫支持向量机
4) soft margin support vector machine
软间隔支持向量机
1.
The method of improving kernels in soft margin support vector machine;
软间隔支持向量机中核函数的改进方法
5) Total Margin Support Vector Machine(TM-SVM)
总间隔支持向量机(TM-SVM)
6) SVM
支持向量机
1.
SVM models for analysing the headstreams of mine water inrush;
矿井涌水水源分析的支持向量机模型
2.
THE INFRARED SPECTRUM NATURAL GAS COMPOSITION ANALYSIS SYSTEM BASED ON SUPPORT VECTOR MACHINE(SVM);
基于支持向量机的红外光谱天然气分析系统
3.
Method for Fracturing Effect Prediction Based on Support Vector Machine(SVM);
基于支持向量机的压裂效果预测方法研究
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