1) incremental support vector machine
增量支持向量机
3) 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
4) Support Vector Machine (SVM)
支持向量机
1.
Support vector machine (SVM) is employed to classification and regression for analyzing two various kinds of peptide analogues.
使用支持向量机技术对两类肽化合物体系进行了分类和回归研究,并将其系统地与K最邻近法、多元线性回归、偏最小二乘、人工神经网络进行了比较。
2.
This paper presents a new approach to predict reservoir thickness from seismic attributes and well information through support vector machine (SVM).
将支持向量机运用到储层厚度估计中,利用地震属性及少量测井作为学习样本进行储层预测。
3.
In accordance with points in time the data space is divided into 24 sub-spaces, then in the light of the similarity of these sub-spaces, they are automatically clustered by means of self-organizing mapping (SOM) and the support vector machine (SVM) models are esta.
针对电力市场中日前24点电价特性差异较大、采用单一模型很难描述的特点,建立多个模型分别对其进行预测,将数据空间按时点划分成24个子空间,然后根据这些子空间的相似性通过自组织映射对其进行自动聚类,并在不同类别的子空间分别建立支持向量机模型进行训练和预测。
5) Support Vector Machine(SVM)
支持向量机
1.
The application of support vector machine(SVM) in fault diagnosis based on rough set;
基于粗集的支持向量机在故障诊断中的应用
2.
The paper establishs an assessment model of comprehensive water quality based on Support Vector Machine(SVM),and proposes a self-adaptive optimization algorithm for the selection of SVM classifier model parameters using float genetic algorithm.
建立了基于支持向量机的综合水质评价模型,构建了基于浮点数编码的遗传算法来优选模型参数,运用该模型以渭河水质监测数据为例进行了水质评价,并与水质评价的单因子法、主成分分析法和神经网络方法进行了分析比较。
3.
Application of Support vector machine(SVM) has been pr.
城市生态系统是由相互作用、相互依赖的生态因子和社会经济因子组成的复杂系统,支持向量机(SVM)为未知复杂系统的建模提供了新的思路。
6) support vector machines
支持向量机
1.
Prediction of profile control result using support vector machines;
基于支持向量机的调剖效果预测方法研究
2.
A nonlinear combination forecasting method for dynamic measurement errors based on support vector machines;
基于支持向量机的动态测量误差非线性组合预测方法
3.
Modeling of penicillin ferment process based on particle swarm optimization and support vector machines;
基于粒子群和支持向量机为青霉素发酵建模
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