1) Total Margin v-Support Vector Machine(TM-v-SVM)
总间隔v-支持向量机(TM-v-SVM)
2) Total Margin Support Vector Machine(TM-SVM)
总间隔支持向量机(TM-SVM)
3) v-Support Vector Machine
v-支持向量机
1.
ε-SVM(ε-Support Vector Machine)and v-SVM(v-Support Vector Machine)are analyzed in this paper.
分析ε-支持向量机及v-支持向量机模型,结合织物参数特点,建立基于支持向量机的织物悬垂性能评估模型。
2.
According to the border region of rough set theory and the merits of V-support vector machine,the algorithm of support vector clustering is improved.
根据粗糙集理论的边界区域和V-支持向量机的优点对支持向量聚类算法进行改进。
4) v-SVC
v-支持向量分类机(v-SVC)
5) support vector machine(SVM)
支持向量机(SVM)
1.
Some are desired parameters,the location and the size,of a two-dimensional(2-D) target,like a cylinder above a random rough or a ship on the sea surface is reconstructed by the back propagation neural network(BPNN) and the support vector machine(SVM) respectively.
针对海洋(或陆地)环境中目标电磁逆散射问题开展研究,建立了粗糙面上简单导体目标的电磁散射模型,通过精确的电磁散射建模得到散射回波数据,包括空间分布采样和频率采样,再分别应用BP神经网络(BPNN)和支持向量机(SVM)两种方法反演粗糙面上二维导体目标的特征几何尺寸。
2.
For the characteristics of the short-term load forecasting and the advantages of support vector machine(SVM)in solving the learning problem with fewer samples,a short-term load forecasting model based on SVM is presented,in which the parameters in SVM are optimized by particle swarm optimizer(PSO).
以城市电力负荷预测为应用背景,根据电力负荷的特点和支持向量机(SVM)方法在解决小样本学习问题中的优势,提出基于SVM的电力短期负荷预测模型,并使用粒子群优化算法优化其参数。
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