收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

贪婪支持向量机的分析及应用

黄娟  唐轶  王军霞  
【摘要】:支持向量机推广性能的分析是机器学习中的一项重要内容。依据可通过最小化本性支持向量个数来构造支持向量机的思路,结合稀疏学习,从贪婪方法的角度出发,提出了一种新的支持向量机,称之为贪婪支持向量机。利用UCI数据库中的乳腺癌数据集来测试贪婪支持向量机算法在平衡估计精确性和解的稀疏性方面的性能。针对设计的贪婪支持向量机,利用经验过程中的方法,得到这一类型支持向量机的推广性能。

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王彦春,段云卿;用改进的BP网络预测油气[J];科技通报;1997年02期
2 孙晓艳,李飒,马远良;权值光滑BP算法:一种改善网络推广性能的方法[J];系统仿真学报;2001年01期
3 杨钟瑾;;核函数支持向量机[J];计算机工程与应用;2008年33期
4 徐图;何大可;;超球体多类支持向量机理论[J];控制理论与应用;2009年11期
5 王华丽;;统计学习理论及其研究进展[J];科技创新导报;2011年29期
6 李应红;尉询楷;;一种基于广义逆的机器学习新方法[J];控制工程;2007年S3期
7 闫志刚;杜培军;;多类支持向量机推广性能分析[J];数据采集与处理;2009年04期
8 王尧广,刘泽民,周正;多层结构神经网络的等误差范围逼近与收缩学习方法及其应用[J];电子学报;1992年10期
9 闫志刚;杜培军;;H-SVMs的构造方法[J];东南大学学报(自然科学版);2009年S1期
10 邹 斌;李落清;万成高;;基于β-混合序列的学习机器的相对一致收敛速率的界(英文)[J];工程数学学报;2008年03期
11 董云杰;邱熔胜;;基于支持向量机与极端保守在线算法相结合的多类分类器[J];模式识别与人工智能;2003年04期
12 顾明亮;夏玉果;张长水;;基于支撑矢量机的汉语方言辨识[J];计算机工程与应用;2007年29期
13 刘毅;王海清;李平;;基于多项式核的稀疏核学习单步预测控制算法及其应用[J];化工学报;2008年10期
14 戴群;陈松灿;王喆;;一个基于自组织特征映射网络的混合神经网络结构(英文)[J];软件学报;2009年05期
15 孙建平;王逢瑚;曹军;胡英成;;基于小波神经网络的木质材料缺陷模式识别[J];振动、测试与诊断;2009年03期
16 丁晓剑;赵银亮;;双边界支持向量机的理论研究与分析[J];北京邮电大学学报;2010年02期
17 赵矿所,林钧清;神经网络在舰船噪声识别中的应用[J];舰船科学技术;1995年06期
18 章新华,林良骥,王骥程,骆正清;基于多神经网络融合的声纳目标分类[J];控制与决策;1997年04期
19 杨强,吴中福,余萍,钟将;一种新型支持向量机[J];重庆大学学报(自然科学版);2005年02期
20 吴建生,金龙;神经网络的统计学习理论基础[J];广西科学院学报;2005年02期
中国重要会议论文全文数据库 前6条
1 孙晓艳;马远良;;神经网络推广性能的敏感度分析[A];中国声学学会1999年青年学术会议[CYCA'99]论文集[C];1999年
2 孙晓艳;张宝嵩;马远良;李飒;;利用光滑权值和复合网络提高前向网络的推广性能[A];第九届全国信号处理学术年会(CCSP-99)论文集[C];1999年
3 闫志刚;杜培军;;H-SVMs的构造方法[A];2009年中国智能自动化会议论文集(第五分册)[东南大学学报(增刊)][C];2009年
4 刘广利;张跃峰;;一种新的预警指标选择方法[A];2005中国控制与决策学术年会论文集(下)[C];2005年
5 程丽丽;张健沛;杨静;马骏;;一种改进的层次SVM多类分类方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
6 周倩;翟永杰;韩璞;;序列最小优化算法在电力系统短期负荷预测中的应用[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前4条
1 戴群;基于ICBP模型的混合神经网络与多样化集成方法的研究[D];南京航空航天大学;2009年
2 刘毅;间歇过程的核学习自适应建模与控制研究及工业应用[D];浙江大学;2009年
3 薛晖;分类器设计中的正则化技术研究[D];南京航空航天大学;2008年
4 张晓平;WSN移动目标的LSSVR回归建模定位理论与算法[D];华南理工大学;2010年
中国硕士学位论文全文数据库 前10条
1 项硕;稀疏学习及其在多标记学习中的应用研究[D];南京航空航天大学;2010年
2 钱路丰;贝叶斯核学习建模及在间歇过程中的应用研究[D];浙江大学;2012年
3 余萍;一种基于边界调节的支持向量机模型[D];重庆大学;2007年
4 郑媛媛;凸壳理论在支持向量分类机中的应用[D];东北电力大学;2009年
5 邝铮;支持向量机在认知诊断中的应用研究[D];江西师范大学;2010年
6 杨海燕;支持向量机参数优化方法及其应用[D];广西民族大学;2010年
7 赵祖龙;基于最大间隔聚类算法的SVM反问题研究[D];武汉科技大学;2011年
8 费娜;基于支持向量机的故障诊断研究[D];苏州大学;2011年
9 杨利红;基于AFSA的SVM参数优化及其应用[D];太原理工大学;2012年
10 毛玉欣;基于脉冲核的支持向量机研究与应用[D];大连理工大学;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978