分类超平面相关论文
随着人类基因组计划的顺利完成和各种后基因组计划的开始实施,出现了海量的生物分子数据,这使得科学家们需要分析大量DNA数据。如......
诞生于20世纪20年代的模式识别是一门研究对象描述和分类方法的学科。模式识别的方法主要有线性分类方法、神经网络算法和随机优化......
随着信息技术的不断发展,大数据的时代已经来临,互联网上的多媒体数据呈爆炸式增长。而多模态是大数据的一个重要特点,为了应对这......
分类是机器学习中一个重要的任务,分类算法通过函数的判断给出输入数据的类别,根据数据的预测类别不同,分类问题可以分为多分类和......
分析了支持向量机（SVM）的工作原理和将其推广到多类分类时会遇到的问题,对用模糊SVM（FSVM）解决此问题时的模糊策略作了详细论证,说明此......
针对支持向量机面临的大规模数据分类问题,提出基于分类超平面的非线性集成学习机NALM。该方法借鉴管理学中协同管理的思想,将大规......
为了提高中文网页自动分类的分类精度,将SVM-KNN方法用于中文网页分类。提出了一种中文网页的表示方法,在将下载的网页全部表示为......
针对DNA序列类别的分属问题，提出采用支持向量机（Support Vector Machine，SVM）的方法进行分类。根据SVM分类器的要求建立特征属性空间，......
针对传统的SVM算法在非平衡数据分类中分类效果不理想的问题,提出一种基于分类超平面和SMOTE过采样方法(HB_SMOTE)。该方法首先对......
从二进前向网络的稳健要求出发,提出了稳健分类的概念,在此基础上给出了稳健分类超平面的一般形式,从而如果二进前向网络的每一神......
SVM在解决小样本、非线性及高维模式识别问题中表现出诸多特有的优势，结合模式分类，研究SVM的基本思想、训练算法及其应用，讨论海量样......
分离错误最小化是支持向量机的基本问题之一．一种形式是最小化分离错误点的偏离和，这是一个不可傲优化问题，笔者提出用极大熵函数将其......
为减少不均衡数据对支持向量机分类性能的影响，提出一种基于二次支持向量机的欠取样分类算法，该算法依据样本的分类超平面贡献大小对......
支持向量机是机器学习领域的研究热点之一,是在统计学习理论基础上发展起来的新的学习算法。传统的分类法用于纹理图像分类效果往......
支持向量机是基于统计学习理论的结构风险最小化原理提出来的一种新的学习算法，它把模式识别问题建模为一个简单约束的高维对偶二次......
针对不均衡分类问题,提出了一种基于隶属度加权的模糊支持向量机模型。使用传统支持向量机对样本进行训练,并通过样本点与所得分类......
传统的支持向量机分类超平面对噪声和野值非常敏感．使用传统的支持向量机对含有噪声的数据分类时，所得到的超平面往往不是最优超平面......
目前数字集成电路的设计主要采取自顶向下的层次化设计方法。由于模拟集成电路自身设计的复杂性及局限性，使得它在进行层次式设计时......
过采样和欠采样方法是处理非平衡数据集分类的常用方法,但使用单一的采样算法可能造成少数类样本过拟合或者丢失含有重要信息的样......
