模糊支持向量分类机在冠心病诊断中的应用

论文研究模糊支持向量分类机在冠心病诊断中的应用。首先给出模糊支持向量分类机(算法),在此基础上得出基于模糊支持向量分类机的冠心病诊断方法。     

基于在线学习的目标跟踪方法研究*

针对视频目标跟踪问题,提出了一种基于co-training框架下的在线学习跟踪方法。该方法首先根据两种不同的局部特征,利用在线 Boosting算法分别建立模型, 然后采用co-training框架来协同训练,有效避免了模型误差累积和跟踪丢帧等问题。实验证明了该方法的有效性。     

支持向量机中的核参数选择问题

核函数中的参数选择是支持向量机中的一个很重要的问题,它直接影响模型的推广能力。通过最速下降法求LOO上界的极小点来确定核参数是一种新的核参数选择方法。由于该方法易陷入局部最优解,提出了一种基于混合遗传算法求解LOO上界极小点的核参数选择方法。实验证明,通过该方法选择出来的核参数能够提高分类精度,具有实用性。