1) hyper-sphere support vector machine
超球支持向量机
1.
Hypertext classification based on weighted hyper-sphere support vector machine algorithm
基于加权超球支持向量机算法的超文本分类研究
2) fuzzy hypersphere support vector machine
模糊超球面支持向量机
1.
In this paper,a fuzzy hypersphere support vector machine(FHS-SVM) landmine detector was proposed.
本文提出了模糊超球面支持向量机(FHS-SVM)地雷检测器。
3) Hyper-sphere one-class SVM
超球体One-class支持向量机
4) hypersphere support vector machine algorithm
超球面支持向量机算法
5) Hyper Ellipsoidal Support Vector Machine
超椭球面支持向量机
6) Hypersphere One-class Support Vector Machines
一类超球面支持向量机
1.
Aim at limited samples learning and hard sampling of foreign body because of its complexity and variety, Hypersphere One-class Support Vector Machines was pres
深入研究了支持向量机原理,针对物料样本有限和异物样本复杂多样难以采集的现象,提出了一类超球面支持向量机异物识别算法;提出了D-QDPSO优化算法,进行OC-SCM的求解,减小了误识率。
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