1) Fuzzy support vector regression (F_SVR)
模糊支持向量回归(F_SVR)
2) fuzzy support vector regression
模糊支持向量回归机
1.
This paper proposes an integration algorithm for fuzzy support vector regression based on improved Adaboost.
RT的模糊支持向量回归机的集成算法。
4) support vector regression
支持向量回归
1.
Using support vector regression for QSPR of herbicidal l,4,2-diazaphospholidin-5-(thi) one-2-oxides;
支持向量回归方法用于1,4,2-二氮磷杂环戊-5-(硫)酮类化合物除草活性的QSPR研究(英文)
2.
Conical thread detection based on support vector regression;
基于支持向量回归的圆锥螺纹检测
3.
UV spectrometry and support vector regression for simultaneous determination of paracetamol,aspirin and caffeine;
支持向量回归-紫外分光光度法用于测量小儿氨酚匹林咖啡因片含量的方法研究
5) support vector machine regression
支持向量机回归
1.
Nonlinear combined prediction of port throughput based on support vector machine regression;
基于支持向量机回归的港口吞吐量非线性组合预测
2.
To improve the predication precision in quantitative structure-activity relationship(QSAR) research,a novel nonlinear combinatorial forecast method based on support vector machine regression and k-near neighbor group was proposed.
为提高定量构效关系(QSAR)研究的预测精度,发展了一种新的基于支持向量机回归(SVR)非线性筛选分子结构描述符、基于k-近邻群的非线性组合预测方法。
3.
Based on the support vector machine regression approximating the limit state function,a procedure is presented to analyze the reliability and corresponding sensitivity of the structural system.
提出了一种基于支持向量机回归近似极限状态方程的系统可靠性分析方法,所提方法首先由支持向量机拟合系统各失效模式的极限状态方程,将复杂或隐式极限状态方程近似等价为显式极限状态方程,然后根据系统各个失效模式的逻辑结构,由高精度的显式极限状态方程方法计算系统的失效概率和参数灵敏度。
6) support vector regression
支持向量机回归
1.
Using support vector regression for QSAR study on the aldose reductase inhibitory activity of some flavones;
支持向量机回归方法用于黄酮类化合物醛糖还原酶抑制活性的QSAR研究
2.
A recommendation algorithm based on Support Vector Regression;
一种基于支持向量机回归的推荐算法
3.
GPS elevation transform model based on least squares support vector regression;
基于最小二乘支持向量机回归的GPS高程转换模型
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