论文部分内容阅读
针对传统SVC方法在样本容量大时存在训练时间过长的不足，建立了一种变量可分离的支持向量分类模型DCSVC，并将其应用于随机生成的模拟数据的学习与航空公司旅客运输数据的预测中。实践证明，DCSVC算法预测的误差小于传统SVM算法，具有较高的精度，且训练时间比传统SVC短。
一类变量可分离的支持向量分类机的研究与应用
【摘 要】
：
针对传统SVC方法在样本容量大时存在训练时间过长的不足，建立了一种变量可分离的支持向量分类模型DCSVC，并将其应用于随机生成的模拟数据的学习与航空公司旅客运输数据的预测中
【机 构】
：
中山大学数学与计算科学学院,中国南方航空股份有限公司计算机中心,广东药学院数学系
【出 处】
：
计算机科学
【发表日期】
：
2006年2期
其他文献
逻辑程序具有丰富的表达能力和非确定性等特点，在定理机器证明、关系数据库系统、程序验证、模块化程序设计和非单调推理等方面都有了广泛的应用。本文是继续文[8]的工作。首
基于非线性扩散在保留图像重要特征方面表现出的良好性能,通过引入图像局部特征(曲率),将曲率和梯度联合作为控制传导率的因素引入非线性扩散方程,提出了一个新的三阶非线性扩散方法,并讨论了该方法的数值实现。实验结果表明,这一方法对各种类型的噪声均有好的平滑效果。
中文分词应用中一个很重要的问题就是缺乏词的统一性定义.不同的分词标准会导致不同的分词结果，不同的应用也需要不同的分词结果.而针对不同的分词标准开发多个中文分词系统是
随着智能交通运输系统的研究与应用,对在大规模交通网络上求解最短路径的实时性提出了更高的要求。为了找出适用于实际交通网络的高效最短路径并行算法,首先选取了3种最短路径标号串行算法,以此为基础分别实现了网络复制及网络分割两种策略下求解最短路径的并行算法。最后,从基于G IS的交通规划软件T ransCAD中提取了实际交通路网数据,同时还随机产生了不同规模的稀疏格网,在这些网络中对并行算法的性能进行了测
仅包括跳跃或仅包括随机波动的模型对于股价和收益分布的描述不是很理想。研究了收益和波动中同时具有跳跃因子的连续时间随机波动模型。使用具有跳跃的连续时间随机波动模型
给出了单车型确定性动态车辆调配问题的定义，引入网络图描述该问题。建立了问题的线性规划模型，鉴于线性模型的缺点，利用函数逼近技术构造一个特殊的线性函数来近似目标函数中未
提出一种基于ANN和GA融合的自学习自适应的模糊规则提取算法，用来对油层进行识别。其方法是：首先运用人工神经网络（ANN）对训练样本进行有导师学习，网络的输入是测井属性，输出表达为