1) Hierarchical SVM
分层精细支持向量机
2) H-SVM for multi-classification
层次支持向量多分类机
3) Cascade SVM
层叠支持向量机
4) hierarchical support vector machines
层次支持向量机
1.
Method of face recognition based on immune algorithm and hierarchical support vector machines;
基于免疫算法和层次支持向量机的人脸识别方法
2.
A method of pose-varied face recognition based on clustering algorithm and hierarchical support vector machines.
提出了一种基于神经网络和层次支持向量机的多姿态人脸识别方法。
3.
In this paper a method of face recognition based on clustering algorithm and hierarchical support vector machines is presented.
提出一种基于聚类算法和层次支持向量机的人脸识别方法。
5) multi-layer SVM
多层支持向量机
1.
This paper tries to adopt SMO algorithm to establish a multi-layer SVM text categorization system.
论文将SMO分类算法结合到文本分类研究中,通过构建多层支持向量机文本分类树,实现了基于SMO的多层次文本分类系统。
6) support vector classification
支持向量分类机
1.
Strong second order sufficient condition property of linear support vector classification is proposed.
很弱的假设对于作为其特例的线性可分支持向量机问题一定成立,线性可分支持向量机问题解一定具有强二阶充分条件的性质;在这个假设条件下,线性支持向量分类机问题的解具有二阶充分条件性质。
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