版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、統(tǒng)計學(xué)習(xí)理論是在有限樣本情況下新建立起來的統(tǒng)計學(xué)理論體系，為人們系統(tǒng)地研究小樣本情況下機器學(xué)習(xí)問題提供了有力的理論基礎(chǔ)．支持向量機(Support Vector Machines，SVM)是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上開發(fā)出來的一種新的、非常有效的機器學(xué)習(xí)新方法，它在模式分類等問題中己表現(xiàn)出很多優(yōu)于己有方法的性能．但是作為一種尚未成熟的新技術(shù)．支持向量機目前存在許多局限．在很多應(yīng)用領(lǐng)域的研究還有待探索和完善． 本文致力于模糊支持向量機(
2、Ftizzy SVM)在分類問題中的研究．基于不同的出發(fā)點，目前主要有兩種建立在模糊支持向量機基礎(chǔ)上的分類方法： 第一種模糊SVM是由臺灣學(xué)者Chun-Fu Liu，Sheng-De Wang，Han-PangHuang等人提出的．其出發(fā)點是針對針對兩分類問題中數(shù)據(jù)的重要程度不同．另一種模糊SVM是由日本學(xué)者Takuga與Shigeo提出的．此方法主要是針對多分類問題中，一對多組合SVM與一對一組合SVM存在決策盲區(qū)．
3、本文的工作在于對模糊SVMi掛行深入分析，針對SVM在各種分類問題中的具體問題，提出改進形式的模糊SVM算法． (1)對于兩分類問題，在分析SVM算法和現(xiàn)有幾種改進算法幾的基礎(chǔ)上，分析類別差異對分類精度造成影響的原因．引入模糊SVM算法，研究模糊隸屬函數(shù)的構(gòu)造方法并給出模糊SVM兩值分類器推廣能力的界． (2)多類分類是機器學(xué)習(xí)的一個重要分支．而支持向量機算法是針對兩類的分類問題提出的，為進一步完善支持向量機多類分類方法
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 若干改進的支持向量分類機.pdf
- 基于邊界向量樣本的支持向量分類機.pdf
- 訓(xùn)練支持向量分類機的算法研究.pdf
- 支持向量分類機的核函數(shù)研究.pdf
- 支持向量分類機的訓(xùn)練與簡化算法研究.pdf
- 孿生二叉樹支持向量分類機.pdf
- 高斯核函數(shù)支持向量分類機超級參數(shù)有效范圍研究.pdf
- 支持向量分類機(SVC)在量化選股中的應(yīng)用.pdf
- 非平衡模糊支持向量機分類算法研究.pdf
- 模糊支持向量機.pdf
- Ⅱ-型模糊支持向量機.pdf
- 直覺模糊支持向量機.pdf
- 模糊孿生支持向量機分類算法及其應(yīng)用研究.pdf
- 基于模糊支持向量機的圖像分類與語義索引.pdf
- 去邊緣模糊支持向量機.pdf
- 模糊支持向量機算法研究.pdf
- 基于云模型的模糊支持向量機分類方法研究.pdf
- 基于模糊支持向量機的多類分類算法研究.pdf
- 基于模糊聚類的支持向量機的分類算法研究.pdf
- 基于模糊支持向量機的基因表達(dá)數(shù)據(jù)分類方法研究.pdf
評論
0/150
提交評論