基于相似性分析的SVM快速分类算法

针对支持向量机(SVM)分类速度取决于支持向量数目的应用瓶颈,提出一种SVM快速分类算法。通过引入支持向量在特征空间的相似性度量,构建特征空间中的最小支撑树,在此基础上将支持向量按相似性最大进行分组,依次在每组中找到决定因子和调整因子,用两者的线性组合拟合一组支持向量在特征空间的加权和,以减少支持向量的数量,提高支持向量机的分类速度。实验结果证明,该方法能以很小的分类精度损失换取较大的分类时间缩减,满足SVM实时分类的要求。     

一种新的支持向量机大规模训练样本集缩减策略

支持向量机(SVM)在许多实际应用中由于训练样本集规模较大且具有类内混杂孤立点数据,引发了学习速度慢、存储需求量大、泛化能力降低等问题,成为直接使用该技术的瓶颈。针对这些问题,通过在点集理论的基础上分析训练样本集的结构,提出了一种新的支持向量机大规模训练样本集缩减策略。该策略运用模糊聚类方法快速的提取出潜在支持向量并去除类内非边界孤立点,在减小训练样本集规模的同时,能够有效地避免孤立点数据所造成的过学习现象,提高了SVM的泛化性能,在保证不降低分类精度的前提下提高训练速度。     

不同干燥方法对黄绿蜜环菌品质的影响

研究自然晒干、热风干燥、真空冷冻干燥和真空干燥4种不同的干燥方法对黄绿蜜环菌外观品质、物理性质和营养成分的影响。结果表明:外观品质方面,真空冷冻干燥产品效果最好;真空干燥和鼓风干燥其次;自然晒干对黄绿蜜环菌影响最大。物理性质方面,复水比大小依次为:真空冷冻干燥真空干燥自然晒干热风干燥。营养成分方面,不同干燥处理后,黄绿蜜环菌营养成分均有所降低,其中真空冷冻干燥对黄绿蜜环菌营养成分的破坏最小;真空干燥和自然晒干其次;而热风干燥除总糖外,其他各营养成分损失最大。综合来看,真空冷冻干燥为最佳干燥方法。