1) model selection with multiple parameters
多参数模型选择
2) non-parametric model selection
非参数模型选择
3) model parameter selection
模型参数选择
4) multiple metrics
多度量参数选择
5) referenced picture selection mode
参考帧选择模型
6) parameters selection
参数选择
1.
This paper mainly deals with the application of genetic algorithm to parameters selection of support vector regression.
研究了遗传算法在回归型支持向量机参数选择中的应用:首先,分析了支持向量机的几个参数对其预报能力的影响,发现参数选取不当,会导致支持向量机出现过学习或欠学习现象;在此基础上提出利用遗传算法来解决回归型支持向量机的参数选择问题,模拟实验证明,该方法克服了传统参数选择方法存在的缺点,提高了支持向量机的预报精度。
2.
By combining several parameters selection approaches of Support Vector Machine(SVM),this paper proposes a method that defines parameters directly by analyzing training samples.
综合4种支持向量机回归的参数选择方法的优点,提出一种对训练样本进行分析并直接确定参数的方法。
3.
The parameters selection can be transformed into an optimization problem by defining the root mean square error of a SVM prediction model as an evaluation function.
将支持向量机的参数选择问题转化为优化问题,以模型预测均方根误差为评价函数,提出一种引入混沌变异操作的改进分布估计算法(estimation of distribution algorithm,EDA),并将其用于优化求解ε-支持向量机的参数:惩罚因子、不敏感损失系数以及高斯径向基核函数的宽度。
补充资料：参数模型
分子式：
CAS号：
性质：一类可以通过结构化表达式和参数集表示的模型。参数模型是以代数方程、微分方程、传递函数等形式表达的，或采用机理方法建立的模型。
CAS号：
性质：一类可以通过结构化表达式和参数集表示的模型。参数模型是以代数方程、微分方程、传递函数等形式表达的，或采用机理方法建立的模型。
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