共查询到10条相似文献,搜索用时 234 毫秒
1.
2.
冼广铭 《计算机工程与应用》2008,44(18):36-38
针对目前使用的SVM核函数在回归中不能逼近任意目标函数的问题,在支持向量机的核方法和小波框架理论的基础上,提出了LS-WSVM结构模型。该模型在LS-SVM中使用一种新的由小波构成的SVM核函数。实验结果表明,与标准的SVM及LS-SVM比较起来,在同等条件下,LS-WSVM在函数回归方面LS-WSVM具有优良的逼近性能,拟合效果更为细腻。 相似文献
3.
最小二乘Littlewood-Paley小波支持向量机 总被引:11,自引:0,他引:11
基于小波分解理论和支持向量机核函数的条件,提出了一种多维允许支持向量核函数——Littlewood-Paley小波核函数.该核函数不仅具有平移正交性,而且可以以其正交性逼近二次可积空间上的任意曲线,从而提升了支持向量机的泛化性能.在Littlewood-Paley小波函数作为支持向量核函数的基础上,提出了最小二乘Littlewood-Paley小波支持向量机(LS-LPWSVM).实验结果表明,LS-LPWSVM在同等条件下比最小二乘支持向量机的学习精度要高,因而更适用于复杂函数的学习问题. 相似文献
4.
5.
基于尺度核函数的最小二乘支持向量机 总被引:1,自引:0,他引:1
支持向量机的核函数一直是影响其学习效果的重要因素.本文基于小波分解理论和支持向量机核函数的条件,提出一种多维允许支持向量尺度核函数.该核函数不仅具有平移正交性,且可以以其正交性逼近二次可积空间上的任意曲线,从而提升支持向量机的泛化性能.在尺度函数作为支持向量核函数的基础之上,提出基于尺度核函数的最小二乘支持向量机(LS-SSVM).实验结果表明,LS-SSVM在同等条件下比传统支持向量机的学习精度更高,因而更适用于复杂函数的学习问题. 相似文献
6.
基于支持向量机核函数的条件,将Sobolev Hilbert空间的再生核函数进行改进,给出一种新的支持向量机核函数,并提出一种改进的最小二乘再生核支持向量机的回归模型,该回归模型的参数被减少,且仿真实验结果表明:最小二乘支持向量机的核函数采用改进的再生核函数是可行的,改进后的再生核函数不仅具有核函数的非线性映射特征,而且也继承了该再生核函数对非线性逐级精细逼近的特征,回归的效果比一般的核函数更为细腻。 相似文献
7.
目前使用的已有SVM核函数,在分类中不能逼近某一L(2R)(平方可积空间)子空间上的任意分类界面。针对上述问题,在支持向量机的核函数方法和小波框架理论的基础上,提出了LS-WSVM结构模型。实验结果表明,和标准的SVM和LS-SVM比较起来,在同等条件下,LS-WSVM在分类方面具有优良的特征提取性能。 相似文献
8.
9.
10.
针对目前使用的支持向量机(Support vector machine,SVM)核函数在缺陷轮廓重构问题中不能逼近任意目标函数的问题,将小波理论与支持向量机核方法进行结合形成小波支持向量机。同时,根据多分辨率逼近思想引入多尺度小波支持向量机回归模型并将其运用到脉冲漏磁缺陷的三维轮廓重构中。实验中,将缺陷漏磁信号水平分量Bx作为多尺度小波支持向量机网络的输入,缺陷的几何参数长度、宽度、深度作为输出,通过对样本的训练建立了由缺陷的漏磁信号到缺陷三维轮廓图的映射关系,实现了缺陷的三维轮廓重构。实验结果表明该方法具有小波良好的抗噪能力、多尺度逼近方法较高的精度以及SVM很好的泛化能力。 相似文献