3) weighted support vector machine
加权支持向量机
1.
Forecasting of the urban registered unemployment rate in Fujian province based on kernel principal component analysis and weighted support vector machine
基于核主成分与加权支持向量机的福建省城镇登记失业率预测
2.
The prediction model using the weighted support vector machine was proposed considering the factors which had relations with the global production indices.
以某选矿厂为实际背景,在分析了指标之间关系的基础上,采用加权支持向量机建立了相关指标的预报模型,并通过构造重要性函数的方法确定了支持向量机加权系数,最后利用该厂历史数据进行了仿真实验。
3.
So a new hybrid prediction model based on PCA and weighted support vector machine(WSVM) is proposed.
针对网络化制造资源配置受多因素影响,变化趋势复杂,难以用单一预测方法进行有效预测的问题,提出一种新的基于主成分分析和加权支持向量机的智能混合预测模型。
4) weighted support vector machines
加权支持向量机
1.
Using the high generaliza-tion ability of support vector machines (SVMs) and the idea of locally weighted learning (LWL) algorithm, this paper proposes a novel learning algorithm named weighted support vector machines (W_ SVMs) which is suitable for local le.
本文利用支持向量机(SVMs)泛化能力强的特点,结合局部加权学习(LWL)算法思想,提出一种适于局部学习的加权支持向量机(W-SVMs)学习算法和基于这种算法的移动建模方法。
2.
To deal with the common unbalanced problem in ABC inventory classification,this paper analyzed the limitation of general support vector machines and proposed a method of muhicriteria classification of inventories based on weighted support vector machines(W-SVM),which introduced weight factor for each class to compensate the bias towards class with large size of samples by unbalanced training set.
针对 ABC 库存分类中存在的样本类别不平衡问题,提出了一种基于加权支持向量机的多准则库存分类方法,通过引入类权重因子来解决由于训练集中的类别差异引起的分类结果偏向多样本类的问题。
5) Balanced PSVM(BPSVM)
平衡近似支持向量机
6) proximal support vector regression
近似支持向量回归机
1.
The linear and nonlinear proximal support vector regression algorithms are presented and compared with the least squares support vector regression based on equality constraint.
为了减小支持向量回归机(SVR)的计算复杂度、缩短训练时间,将应用于分类问题的近似支持向量机(PSVM)扩展到回归问题中,针对其原始优化问题采用直接法求取最优解,而不是转换为对偶问题求解,给出了近似支持向量回归机(PSVR)线性和非线性回归算法。
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