排序方式: 共有13条查询结果,搜索用时 328 毫秒
11.
针对一类分类马氏椭球学习机(Mahalanobis ellipsoidai learning machine for one class classification,MELM)方法中选取参数C比较困难的问题,提出一种改进的方法v-MELM.这种方法通过引入一个具有明确物理意义的参数v,即v是超椭球外部的样本点数(野点数)占总样本点数的份额的上界,是支持向量的个数所占总样本点数的份额的下界,使参数可以灵活地根据实际问题的精度要求来选取,从而可以快速选取最有效的参数. 相似文献
12.
13.
针对半监督学习中渐进直推支持向量机(PTSVM)算法每次标注的样本数太少、训练速度慢、回溯式学习多、学习性能不稳定的问题,提出一种快速的渐进直推支持向量机学习算法.该算法利用支持向量的信息,基于支持向量域描述(SVDD)选择新标注、无标签的样本点,以区域标注法代替PTSVM的成对标注法,不仅继承了其渐进赋值和动态调整的规则,而且在保持甚至提高算法精度的同时,大大提高算法速度.在人工模拟数据和真实数据上的实验结果表明该算法的有效性. 相似文献