排序方式： 共有2条查询结果，搜索用时 4 毫秒
1
1.
核向量机可以高效学习大样本数据集,却有泛化能力低的缺陷.针对已有参数C选择算法缺乏启发性以及选取困难的不足,本文在分析了核聚类算法和距离比较算法的基础之上,提出基于核聚类的相对距离比较方法,该算法利用核聚类算法在特征空间对样本点进行聚类分簇,然后根据样本点到簇心相对距离的比值,得到参数C.本文在理论和实验两个方面,证明该算法有效地选择参数C,从而提高核支持向量机算法的泛化能力. 相似文献
2.
为了有效避免传统最小闭包球算法的内核限制问题以及子二次规划问题(quadratic problem,QP),提出了基于广泛内核的最小闭包球算法的入侵检测方法.首先算法对样本集求其中心约束的最小闭包球(center-constrained minimum enclosing ball,CCMEB)问题,通过球心和半径的更新求得新的最小闭包球(minimum enclosing ball,MEB),从而决定分类超平面的支持向量.然后从理论上分析该算法的收敛性、时间复杂度和空间复杂度.最后再根据支持向量的分布对网络的入侵行为进行分类.通过用KDD99数据的验证,证明了这种方法的有效性和可行性. 相似文献
1