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

本文给出了一种将SVM和极端保守在线算法相结合的通用多类分类算法,算法利用最大置信度原则将离线训练的多个SVM组合成一个多类分类器.为了提高在线学习过程的实时性,同时保证分类器的推广能力,我们将K.Cramer等人提出的极端保守在线算法思想引入到分类器修正过程当中,修正过程中采用对应SVM的支持向量和错分样本作为训练集.实验表明,算法具有良好的实时性能,且具有良好的推广能力.     

SVM QP问题分解算法的研究进展

本文首先简单介绍了支持向量机的基本原理,然后简单分析了SVM QP问题的特点,详细介绍了解SVMQP问题的一系列分解算法,并对分解算法更进一步的研究方向作了探讨.     

小波分析理论的信号变尺度阈值去噪算法探究

当前对于信号辨识控制系统的研究分析领域中,整数阶信号辨识系统本身对于信号的去噪处理能够获得相对有效的理想效果,提出基于小波分析理论的信号变尺度阈值去噪算法,加入变尺度阈值的方法进行相应的处理。通过仿真模拟实验进行有效合理统计分析,在各种程度的信噪比状况进行算法改进,对有用信号的去噪效果实现理想的处理结果。