排序方式: 共有40条查询结果,搜索用时 15 毫秒
1.
结合Fisher判别分析和支持向量机的优点,提出了一种新的分类算法—Fisher-SV分类器(简称FSVC)。该分类器的核心思想就是寻找最优分类面的法向量w*,使得样本向量在w*上做投影后,不仅使分类间隔达到最大,而且使类内离散程度尽可能小。对于线性情况,可以转化为传统的支持向量机求解,而不需要设计新的求解算法。对于非线性情况,利用再生核理论得出新的求解算法。实验结果表明,该分类器具有很高的准确度和可靠性。 相似文献
2.
3.
4.
孙德山 《计算机应用与软件》2008,25(2):84-85
基于统计学习理论的支持向量机算法以其优秀的学习性能已广泛用于解决分类与回归问题。分类算法通过求两类样本之间的最大间隔来获得最优分离超平面,其几何意义相当直观,而回归算法的几何意义就不那么直观了。另外,有些适用于分类问题的快速优化算法岁不能用于回归算法中。研究了分类与回归算法之间的关系,为快速分类算法应用于回归模型提供了一定的理论依据。 相似文献
5.
针对传统支持向量机对于噪声和野点敏感的问题,采用一种模糊技术去除样本中的噪声和野点.应用基于样本之间的紧密度确定每个样本的模糊隶属度,通过训练确定阀值,去除影响得到最优分类超平面的噪声和野点.实验结果表明,与传统的支持向量机相比,该方法提高了支持向量机的抗噪能力,在不影响精度的前提下,线性规划下的一类分类方法要比二次规划节省很多时间. 相似文献
6.
支持向量机是一种基于统计学习理论的新颖的机器学习方法,该方法已广泛用于解决分类和回归问题.文中将最小二乘支持向量机算法应用于混沌时间序列预测中,并同BP网络及RBF网络的预测结果进行了比较分析.仿真实验表明,该方法具有很好的泛化能力和一定的噪声容忍能力. 相似文献
7.
8.
9.
聚类分析和支持向量机在股票研究中的应用 总被引:1,自引:0,他引:1
随着我国股市的逐步规范和完善,投资者愈加重视投资对象的选择.针对股票分类的特点,选取对上市公司股票走势有重要影响的7项主要财务指标,运用聚类分析和支持向量机相结合的方法对80家上市公司的股票进行分类.为了降低分类实验的复杂程度,在分类实验中采用因子分析法将原来的7项财务指标用3个综合指标概括.实验结果表明,这种方法大大降低了股票数据的维数,有很高的分类正确率,分类达到了让人满意的效果,证明这种分类方法是可行的. 相似文献
10.
采用DTA、XRD、SEM和EDX研究K282合金在700℃、800℃和900℃大气环境下氧化动力学行为。结果表明,700℃氧化时,氧化初期增重速度较快,之后增重速度变慢,材料只发生了外氧化,氧化层产物为Cr_2O_3。在800℃和900℃氧化时,合金的氧化增重遵循抛物线规律,合金发生了内氧化,内氧化产物为Al_2O_3,外氧化层产物为Cr_2O_3和TiO_2。合金氧化速率由金属离子和氧离子在氧化膜中的扩散速度决定,温度越高扩散速度越快,合金氧化增重速度越快。 相似文献