2) weighted eigenvector Least Square Support Vector Machine
加权特征向量最小二乘支持向量机
1.
This paper present the online weighted eigenvector Least Square Support Vector Machine(WEVLS-SVM) technique to identify the structural damage based on the sequential incremental Least Square Support Vector Machine(SILS-SVM) technique.
在增量式最小二乘支持向量机(SILS-SVM)方法的基础上,提出了加权特征向量最小二乘支持向量机(WEVLS-SVM)在线结构损伤识别方法。
3) weighted LS-SVM
加权最小二乘支持向量机
1.
In order to increase the robustness of LS-SVM, weighted LS-SVM is introduced.
为了提高最小二乘支持向量机的鲁棒性,介绍了加权最小二乘支持向量机,给出了确定加权向量的一般方法。
5) least squares support vector machine
最小二乘支持向量机
1.
Application of least squares support vector machine within evidence framework in PTA process;
基于证据框架的最小二乘支持向量机在精对苯二甲酸生产中的应用
2.
Pressure sensor temperature compensation based on least squares support vector machine;
基于最小二乘支持向量机的压力传感器温度补偿
3.
Sparse least squares support vector machine;
稀疏最小二乘支持向量机
6) least square support vector machine
最小二乘支持向量机
1.
Forecast of water inrush from coal floor based on least square support vector machine;
基于最小二乘支持向量机的煤层底板突水量预测
2.
Outliers detection in time series of measured data based on least square support vector machine algorithm;
基于最小二乘支持向量机算法的测量数据时序异常检测方法
3.
Image registration based on least square support vector machine;
基于最小二乘支持向量机的图像配准研究
补充资料：向量
| 向量 vector 一种既有大小又有方向的量。又称矢量。在理论和实际中均广泛应用。速度、加速度、力等都是向量。 从空间中任一点出发，作一直线l，在l上取一点B，则有向线段AB就代表一个向量，记作AB或a（图1），它的大小是线段AB的长度，也称为模或绝对值，记作｜a｜＝a，方向就是l的方向。如果另有A¢B ¢||蜛B，且指向相同，长度相等 ，就说向量AB＝A¢B ¢。这种起点可以自由改变的向量常称为自由向量，当点B与A重合时，称为零向量，记作0，它的模为0，方向不确定。模为1的向量称为单位向量，向量a＝b，当且仅当它们的方向相同且模相等，非零向量a与b平行或重合记为a∥b。－a是指与a方向相反模相等的向量。a与b垂直，如果它们所在直线垂直，记为a⊥b，除上面这种几何表示法以外，还常用代数方法表示向量，这种方法便于运算，便于进行有关性质的讨论。具体做法如下：在空间取定一右手坐标系(图2)，把给定向量的起点放在原点，其终点为P，则a＝OP，设P点在坐标系下的坐标为（x，y，z），则a＝｛x，y，z｝就是向量a的代数表示，分别称x，y，z为向量a在x轴、y轴、z轴上的分量，零向量o的三个分量均为0，即o＝｛0，0，0｝。下面介绍向量的数乘、加减法、内积、外积和混合积等运算。这些运算在代数表示法下简单明了，在几何表示法下直观，各有长处。数乘：向量a与数c相乘，得到向量ca，其模为｜ca｜＝｜c｜｜a｜，当c＞0时，方向与a相同，c＜0时，方向与a相反，c＝0时，方向不定，得到零向量。若用代数表示法，a＝｛x，y，z｝，则 ca＝｛cx，cy，cz｝。数乘满足结合律：b（ca）＝（bc）a。加法：将a＝OA，b＝OB取在同一起点O（图3），再以OA，OB为边作平行四边形OACB，定义向量OC＝c为向量a与b之和。为用代数表示法，a＝｛x1，y1，z1｝，b＝｛x2，y2，z2｝，则定义a＋b＝｛x1＋x2，y1＋y2，z1＋z2｝，向量加法满足交换律、结合律和对数乘的分配律。向量的减法可作为加法的逆运算来定义。向量的内积（也称为点积）：设a，b均不为零向量，它们的夹角为θ，则定义a·b＝｜a｜｜b｜cosθ，如a、b中有一个为零向量，则定义a·b＝0。用代数表示法，当a＝｛x1，y1，z1｝，b＝｛x2，y2，z2｝时，a·b＝x1x2＋y1y2＋z1z2，内积满足交换律、结合律及与数乘的分配律。向量的外积：对于两个不平行的非零向量a、b，定义a×b为向量c，｜c｜＝｜a｜｜b｜｜sinθ｜，其中θ为a与b的夹角，且c与a、b均垂直，a、b、c的指向构成右手系（图4），因为a×b仍为向量，故外积也称为向量积。用代数表示法时，a×b＝c＝｛y1z2－z1y2，z1x2－x1z2，x1y2－y1x2｝，其中a＝｛x1，y1，z1｝ ，b＝｛x2，y2，z2｝，向量的内积与外积间满足关系：(a×b）2＝a2b2－（a·b）2 。向量的混合积（a×b）·c ，也记为（a，b，c）。设a＝｛x1，y1，z1｝，b＝｛x2，y2，z2｝，c＝｛x3，y3，z3｝，则 
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
|
|
| ©2011 dictall.com | |