搜索到1470篇“ 最优分类超平面“的相关文章
- 最优分类超平面的几何意义被引量：1
- 2005年
- 在回顾支持向量机方法的基础上,从数学上严格地证明了特征空间上最优分类超平面的几何意义。
- 潘继斌
- 关键词：支持向量机支持向量最优分类超平面
- 确定最优分类超平面的新算法被引量：4
- 2002年
- 基于Fisher的投影降维的思想,讨论了线性分类器设计问题,提出最优分类超平面,克服了Fisher等线性分类器的偏向性与误分类现象.利用优化技巧把确定最优分类超平面问题转化为求解半正定的二次规划.随机数据模拟实验表明文中算法对设计高性能线性分类器是有效的.
- 周水生周利华
- 关键词：模式识别FISHER线性判别最优分类超平面
- 水轮机空化现象智能识别的分类模型训练方法被引量：1
- 2023年
- 目前国内暂无相关成熟的分类模型训练方法以支持机器自动识别水轮机初生空化现象,针对于此,提出了一种支持向量分类算法(SVCC)用于水轮机空化现象智能识别的分类模型训练,以解决现有技术中分类算法对非线性可分样本数据分类效果不佳的问题。对该分类模型的核函数和超参数选取等环节进行了优化,以更好地适应水轮机空化试验数据的特点。训练好后的分类模型已应用于东方电机有限公司水轮机模型试验台进行水轮机初生空化的识别。实际应用表明,该分类模型能够提高机器对水轮机初生空化现象的识别效率且其最终判别准确率可达80%。
- 汪刚王桂虹骆彦辰梁权伟黄曦吴建平王智勇陈梓豪
- 关键词：水轮机模型试验最优分类超平面分类器
- SVM核函数对南汇潮滩湿地高分二号卫星数据分类精度的影响分析被引量：4
- 2020年
- 针对支持向量机在高分二号卫星遥感图像分类中的核函数选择问题,以长江口南汇典型潮滩湿地为研究区,进行了支持向量机不同核函数分类结果的对比分析。首先,根据实地测量以及无人机航拍影像标记六类地物共计1800个优质样本点,然后将标记样本点的像元值投影到三维空间中,分析了支持向量机分类过程中最优分类超平面的构建以及误差来源,最终从标记样本点中选取训练样本和测试样本,进行了支持向量机不同核函数的分类训练,得到分类结果和分类精度。研究结果表明,在训练样本数量相同的情况下,线性核函数支持向量机的分类结果好于RBF核函数和Sigmoid核函数的分类结果。三种核函数的分类精度都随着训练样本数量的增加逐渐增高并趋于稳定,RBF核函数和Sigmoid核函数支持向量机分类精度变化趋于对数分布。
- 王文柳韩震李静李静崔艳荣
- 关键词：支持向量机核函数最优分类超平面
- 一种改进的样例约简支持向量机被引量：4
- 2013年
- 在以前工作的基础上,提出了一种改进的样例约简支持向量机,利用相容粗糙集方法求属性约简的边界域,并从中选择样例作为候选支持向量训练支持向量机.该方法的特点是可同时对属性和样例进行约简.实验结果证实了这种方法的有效性,能有效地减少存储空间和执行时间.
- 翟俊海王婷婷王熙照
- 关键词：相容粗糙集支持向量机最优分类超平面
- 基于SVM的Web文本快速增量分类算法被引量：6
- 2012年
- 针对基于支持向量机的Web文本分类效率低的问题,提出了一种基于支持向量机Web文本的快速增量分类FVI-SVM算法。算法保留增量训练集中违反KKT条件的Web文本特征向量,克服了Web文本训练集规模巨大,造成支持向量机训练效率低的缺点。算法通过计算支持向量的共享最近邻相似度,去除冗余支持向量,克服了在增量学习过程中不断加入相似文本特征向量而导致增量学习的训练时间消耗加大、分类效率下降的问题。实验结果表明,该方法在保证分类精度的前提下,有效提高了支持向量机的训练效率和分类效率。
- 丁文军薛安荣
- 关键词：支持向量机支持向量最优分类超平面KKT条件
- 样例约简支持向量机被引量：2
- 2011年
- 支持向量机(support vector machine,SVM)仅利用靠近分类边界的支持向量构造最优分类超平面,但求解SVM需要整个训练集,当训练集的规模较大时,求解SVM需要占用大量的内存空间,寻优速度非常慢。针对这一问题,提出了一种称为样例约简的寻找候选支持向量的方法。在该方法中,支持向量大多靠近分类边界,可利用相容粗糙集技术选出边界域中的样例,作为候选支持向量,然后将选出的样例作为训练集来求解SVM。实验结果证实了该方法的有效性,特别是对大型数据库,该方法能有效减少存储空间和执行时间。
- 翟俊海王婷婷王熙照
- 关键词：相容粗糙集最优分类超平面统计学习理论
- 基于多分类支持向量机的有杆抽油泵故障诊断研究被引量：4
- 2010年
- 针对传统方法对有杆抽油泵系统进行故障诊断存在的缺陷,提出了基于支持向量机的抽油泵故障诊断方法.为解决高维、非线性分类问题,通过引入核运算技巧,分析非线性软间隔分类学习机具体算法,并得到使分类间隔最大的最优分类超平面方程.提出了特殊情况下的样本数据标准化处理具体算法,采用基于网格搜索的交叉验证法来选择模型参数,避免了参数选择的盲目性和随意性.采用一对多SVM分类器对抽油泵工况进行了多分类仿真试验,并与BP网络、RBF网络、最小距离法等加以比较,试验结果表明一对多SVM分类法理论严谨,方法可行,自适应好,可在线运行,在解决有杆抽油泵故障诊断问题中表现出了良好的性能,有助于提高采油效率,实现远程采油控制智能化,建设数字油田.
- 王凯
- 关键词：有杆抽油泵故障诊断支持向量机最优分类超平面参数寻优
- 结合支持向量机和近邻法的太阳耀斑预报方法被引量：2
- 2009年
- 为了提高太阳耀斑预报模型的预报精度,提出了一种结合支持向量机和近邻法(SVM-KNN方法)的太阳耀斑预报方法。将太阳耀斑预报问题看作一个模式识别问题,在此基础上建立新的预报方法。选择太阳活动区的特征参量作为预报因子,如果活动区未来48小时发生大于等于M级耀斑标识为正例样本,未发生耀斑为反例样本,由这些样本组成训练集代入SVM训练算法构造了耀斑预报模型。通过输入活动区的特征参量值,预报模型使用SVM-KNN分类算法预报该活动区未来2天内是否发生太阳耀斑。模拟预报结果表明,新方法比使用SVM方法具有较高的报准率,可以应用到其它太阳活动预报领域。
- 李蓉崔延美
- 关键词：支持向量机核函数最优分类超平面代表点
- 支持向量机在分类中的应用被引量：1
- 2008年
- 支持向量机是在统计学习理论的基础上发展起来的一种新的机器学习方法,它基于结构风险最小化原则,能有效地解决学习问题,具有良好的推广性能和较好的分类精确性。支持向量机比RBF神经元网络和BP神经元网络在分类方面具有更好的推广能力。
- 冼广淋冼广铭
- 关键词：支持向量机结构风险最小化原则最优分类超平面
相关作者
- 王婷婷
- 作品数：27被引量：58H指数：3
- 供职机构：河北大学
- 研究主题：样例 K-近邻 大数据 MAPREDUCE K-近邻算法
- 翟俊海
- 作品数：91被引量：455H指数：9
- 供职机构：河北大学
- 研究主题：粗糙集 决策树 大数据 小波变换 MAPREDUCE
- 冼广铭
- 作品数：41被引量：108H指数：7
- 供职机构：华南师范大学
- 研究主题：支持向量机 电子设备 存储介质 文本 单词
- 王熙照
- 作品数：168被引量：1,030H指数：17
- 供职机构：河北师范大学
- 研究主题：决策树 模糊决策树 粗糙集 支持向量机 信息熵
- 封筠
- 作品数：46被引量：134H指数：6
- 供职机构：石家庄铁道大学
- 研究主题：人耳识别 支持向量机 复杂网络 人耳 汉字识别
