1) Pre-extract Support Vector
支撑矢量预选取
2) support vector
支撑矢量
1.
When the number of support vectors or samples required to distinguish is large, its direct computation would take much time In order to reduce the complexity of discriminant value computation, vector replacement method mainly for linear SVM and orthogonal vectors method mainly for nonlinear SVM are brought forwar
当支撑矢量或待判别的样本很多时 ,支撑矢量机算法对判别函数值的直接计算会影响整个SVM算法的速度 国外对于SVM的训练算法研究很深入 ,但判别函数值的算法研究很少 文中将从减少判别值计算的复杂性入手 ,提出矢量替换法 (主要针对线性SVM )、正交矢量法 (主要针对非线性SVM)的判别值计算算
2.
For the support vector machine based learning algorithm of classifier, it is very importance for the support vector to be pre-selected.
在基于支撑矢量机的分类器学习算法中,预先选择支撑矢量是非常重要的。
3.
A new method called center distance ratio which is able to extract support vectors from given training examples is presened for support vector algorithm.
支撑矢量机为小样本模式识别提供了一新的途径 ,但其支撑矢量的选择相当困难 ,也成为其应用的瓶颈问题 。
3) support vector machine
支撑矢量机
1.
Fabric defect detection based on support vector machine;
基于支撑矢量机的织物疵点识别算法
2.
Automation of recogniting pavement surface distress based on support vector machine;
基于支撑矢量机的路面破损识别
3.
Modifying classifier method for support vector machine;
支撑矢量机的改进分类器算法
4) SVM
支撑矢量机
1.
Intrusion Detection Methodology of SVM of Wavelet Kernel-based;
基于小波核支撑矢量机的入侵检测方法
2.
Together with the orientational fractal dimension parameters,a Support Vector Machine(SVM) was e.
提取图像在多分辨率下的纹理参数,同时结合计算出的带方向分形维数,建立支撑矢量机进行子宫肌瘤和腺肌病的分类判决。
3.
With limited samples, SVM has stronger ability of generalization in comparison with machine learning algorithm.
与现有的机器学习算法相比,在有限样本的情况下,支撑矢量机具有更强的分类推广能力。
5) support vector machines
支撑矢量机
1.
License plate locating using support vector machines and texture analysis;
结合纹理分析和支撑矢量机的汽车牌照定位研究
2.
From neural networks to support vector machines(A);
从神经网络到支撑矢量机(上)
3.
The appeal of kernel based methods has been arisen in recent years by the success of support vector machines.
支撑矢量机的成功引起了人们对核函数方法的兴趣。
6) Support vector machine(SVM)
支撑矢量机
1.
According to design requirement of missile inertia device fault prediction system and the advantage of support vector machine(SVM).
文中针对导弹惯性器件故障预报系统的设计要求,考虑到支撑矢量机用于故障预报的优点,在导弹惯性器件的故障预报过程中应用了支撑矢量机的训练算法。
2.
Then,a support vector machine(SVM) based on kernel.
该方法选择矩形积分双谱(SIB)作为个体识别的主体特征参数,然后采用主元分析(PCA)方法从大量训练样本特征参数集中挑选低维、低复杂度的特征矢量,并在识别特征矢量中融合对分类具有显著贡献的辐射源调制特征参量,最后采用基于核函数的支撑矢量机(SVM)实现对辐射源个体识别。
补充资料：矿石预选车间设计
矿石预选车间设计
ore preconcentration plant design
kuangshi yuxuan ehejian sheji矿石预选车间设计(ore preeoneentrationplant design)在选矿过程中，矿石入磨前，利用矿石物理性质的差异，预先丢弃一部分脉石矿物和混入的围岩、夹石，以提高矿石入选品位，降低生产成本和能耗，减少基建投资的选矿厂车间设计。一般地下开采中的废石混入率为10%~20写，露天开采为5%~10%。预选方法有手选、重选、磁选和机械拣选。 重选包括跳汰和重介质选矿，1848年德国研制出第一台机械传动活塞跳汰机。1921年美国开始应用重介质选煤，20世纪30年代才在金属矿选矿中应用，以获得合格精矿或废弃尾矿。1889年美国用电磁磁选讥选矿，逐渐发展到用磁滑轮预选排除块状脉石和围岩。1905年奥地利研制成光电分选机，并于20世纪50年代初，在英国、加拿大用于分选石灰石和白云石。70年代机械拣选间世，对铁、锰、钨、锡、镍、铜、铅锌等矿石进行预选。中国1949年后开始应用磁滑轮和重介质预选。1978年以来，激光、辐射拣选工艺获得发展，对铁、钨、锑、锡、铅、锌等矿石进行预选。 选矿厂设计中，根据矿石特性和混入的围岩、夹石和脉石的多寡及预选试验报告，经技术经济论证后南定是否需要设预选车间。设计主要内容包括预选方去选择、技术经济指标和设备选择与配置。 预选方法选择当有用矿物和废石的颜色或光笋特性的差异大时，用手选或光选，如黑钨矿、锑矿等;当有用矿物呈集合体嵌布或粗粒嵌布并与废石的密度不宜高于最终尾矿的品位。其技术经济指标分别列于差异较大时，用跳汰或重介质选矿，如铅锌矿、钨矿、表1、表2和表3。锡矿、铁矿(弱磁性铁矿)等;当有用矿物和废石的磁性差异大时，用磁滑轮选，如磁铁矿等;当矿物经7、表1手选、光选指标、日、x射线辐射后，激发、吸收或散射特征射线时，用}‘_、}__、_.、}_._}____辐射分选，如铜矿、钮妮矿、金矿、铀矿等;当有用矿坝远万活I’董7%/4肠乙万杯l一灰”1 ha3“找骂物与废石的导电率或磁性有差异时，用电导/磁性感应—一一一一二厂‘一一一一一一一一拣选，如铜矿、铅锌矿、钨矿、镍矿和金(银)矿等。十匹】任U一o。}。·乙4一u‘。}”o一，61预选的原则流程均较简单，除磁滑轮预选外，都要先行平井}，;_;;}n，1}，;_。‘I，;_;n筛分、洗矿，以允许的粒度进入预选。----~‘---曰一一--‘-一一-‘----- ~.‘~一_，‘一一，二一_一一~~二二一。二注:表中为黑钨矿指标。
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