首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   7篇
  完全免费   4篇
  自动化技术   11篇
  2011年   1篇
  2006年   1篇
  2004年   2篇
  2003年   2篇
  2002年   3篇
  2000年   2篇
排序方式: 共有11条查询结果,搜索用时 46 毫秒
1.
关于统计学习理论与支持向量机   总被引:955,自引:6,他引:949       下载免费PDF全文
模式识别、函数拟合及概率密度估计等都属于基于数据学习的问题,现有方法的重 要基础是传统的统计学,前提是有足够多样本,当样本数目有限时难以取得理想的效果.统计 学习理论(SLT)是由Vapnik等人提出的一种小样本统计理论,着重研究在小样本情况下的 统计规律及学习方法性质.SLT为机器学习问题建立了一个较好的理论框架,也发展了一种 新的通用学习算法--支持向量机(SVM),能够较好的解决小样本学习问题.目前,SLT和 SVM已成为国际上机器学习领域新的研究热点.本文是一篇综述,旨在介绍SLT和SVM的 基本思想、特点和研究发展现状,以引起国内学者的进一步关注.  相似文献
2.
支持向量机的新发展   总被引:78,自引:2,他引:76  
许建华  张学工  李衍达 《控制与决策》2004,19(5):481-484,495
Vapnik等学者首先提出了实现统计学习理论中结构风险最小化原则的实用算法一支持向量机,比较成功地解决了模式分类问题,其后,机器学习界兴起了研究统计学习理论和支持向量机的热湖,引人瞩目的研究分支有从最优化技术出发改进或改造支持向量机,依据统计学习理论和支持向量机的优点设计新的非线性机器学习算法等,对此,较为系统地回顾了近lO年来算法研究领域的新发展。  相似文献
3.
一种基于核函数的非线性感知器算法   总被引:17,自引:1,他引:16  
为了提高经典Rosenblatt感知器算法的分类能力,该文提出一种基于核函数的非线性感知器算法,简称核感知器算法,其特点是用简单的迭代过程和核函数来实现非线性分类器的一种设计,核感知器算法能够处理原始属性空间中线性不可分问题和高维特征空间中线性可分问题。同时,文中详细分析了其算法与径向基函数神经网络、势函数方法和支持向量机等非线性算法的关系。人工和实际数据的计算结果表明:与线性感知器算法相比,核感知器算法可以有效地提高分类精度。  相似文献
4.
基于变异函数的径向基核函数参数估计   总被引:13,自引:0,他引:13       下载免费PDF全文
研究了支持向量机(support vector machine,SVM)方法在一定假设条件下,核函数取 为样本协方差函数时解的具体形式,得出了在该假设情况下SVM方法等价于克立格方法的结 论,提出了用协方差函数作为SVM核函数的思想.考虑到在某些情况下协方差函数可能不存 在,因此考虑用变异函数来代替协方差函数估计径向基核函数的宽度参数.这样不仅解决了 SVM中径向基核函数宽度参数的确定问题,而且把这种情况下的SVM拟合与概率统计学中的 克立格方法联系了起来,赋予了SVM方法新的统计上的意义.  相似文献
5.
经典线性算法的非线性核形式   总被引:7,自引:1,他引:6  
经典线性算法的非线性核形式是近10年发展起来的一类非线性机器学习技术.它们最显著的特点是利用满足Mercer条件的核函数巧妙地推导出线性算法的非线性形式。并表述为与样本数目有关、与维数无关的优化问题.为了提高数值计算的稳定性、控制算法的推广能力以及改善迭代过程的收敛性。部分算法还采用了正则化技术.在概述核思想与核函数、正则化技术的基础上,系统地介绍了经典线性算法的非线性核形式,同时分析它们的优缺点,井讨论了进一步发展的方向.  相似文献
6.
应用图像处理方法自动检测路口车辆排队长度   总被引:2,自引:0,他引:2  
在智能交通处理系统中,路口车流参数——车辆排队长度,占空比等可以为很多情况提供必要的信息,如交通阻塞及交通事故的监控、交通信号灯的控制等。其中交通路口车流的长度是车流参数中最重要的一个。本文提出了一种基干图像局部特征的路口车辆排队长度的检测方法,通过融合图像的点特征(角点)和线特征(边缘),完成车流长度的检测,包括停止车流的长度以及在可视范围内整体车流的长度。实验结果表明,这种方法实现简单、应用效果良好,具有较好的应用前景。  相似文献
7.
最小平方误差算法的正则化核形式   总被引:2,自引:0,他引:2       下载免费PDF全文
最小平方误差算法是最常用的一种经典模式识别和回归分析方法,其目标是使线性函 数输出与期望输出的误差平方和为最小.该文应用满足Meteer条件的核函数和正则化技术,改 造经典的最小平方误差算法,提出了基于核函数和正则化技术的非线性最小平方误差算法,即 最小平方误差算法的正则化核形式,其目标函数包含基于核的非线性函数的输出与期望输出的 误差平方和,及一个适当的正则项.正则化技术可以处理病态问题,同时可以减小解空间和控制 解的推广性,文中采用了三种平方型的正则项,并且根据正则项的概率解释,详细比较了三种正 则项之间的差别.最后,用仿真资料和实际资料进一步分析算法的性能.  相似文献
8.
提高超大规模SVM训练计算速度的研究   总被引:1,自引:0,他引:1  
近年来用支持向量机(Support Vector Machine)解决大样本问题的尝试日渐增多.限制SVM在大样本问题中应用的一个关键因素是SVM训练所引出的超大规模二次规划问题无法由标准的二次规划方法所解决.SMO算法(Sequential Minimal Optimization)是一种有发展前途的大规模SVM训练算法,我们用块算法的思想对其进行了改进,并称改进后的算法为分块SMO算法(CSMO).新算法对于带有小支持向量集的超大样本问题在速度方面具有明显的优势.  相似文献
9.
弹性多核学习   总被引:1,自引:0,他引:1       下载免费PDF全文
多核学习 (MKL) 的提出是为了解决多个核矩阵的融合问题, 多核学习求解关于多个核矩阵的最优的线性组合并同时解出对应于这个组合矩阵的支持向量机(SVM)问题. 现有的多核学习的框架倾向于寻找稀疏的组合系数, 但是当有信息的核的比例较高的时候, 对稀疏性的倾向会使得只有少量的核被选中而损失相当的分类信息. 在本文中, 我们提出了弹性多核学习的框架来实现自适应的多核学习. 弹性多核学习的框架利用了一个混合正则化函数来均衡稀疏性和非稀疏性, 多核学习和支持向量机问题都可以视作弹性多核学习的特殊情形. 基于针对多核学习的梯度下降法, 我们导出了针对弹性多核学习的梯度下降法. 仿真数据的结果显示了弹性多核学习方法相对多核学习和支持向量机的优势; 我们还进一步将弹性多核学习应用于基因集合分析问题并取得了有意义的结果; 最后, 我们比较研究了弹性多核学习与另一种利用了非稀疏思想的多核学习.  相似文献
10.
最小二乘支持向量机是支持向量机的一种变型,它用线性方程组来替代原始支持向量机的二次规划.本文将最小二乘支持向量机应用于油气勘探开发中的油气判别,提出了基于最小二乘支持向量机算法的油气判别技术.储集层油气横向预测和测井资料油气判别的试验结果证明了本文方法的有效性.  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号