排序方式: 共有20条查询结果,搜索用时 0 毫秒
1.
基于广义特征值的最接近支持向量机GEPSVM是一种新的具有与SVM性能相当的两类分类方法,通过求解广义特征值来获得两个彼此不平行的拟合两类样本的超平面,其决策规则是将测试样本归为距其最近的超平面所在的类。然而,该规则在某些情形会导致较差的分类结果。对此,本文提出了在利用GEPSVM产生一个主原型超平面的基础上,再利用主原型超平面及它类样本的信息构造一个次原型超平面,形成一个由主次原型超平面共同决策的最接近支持向量机。该方法不仅简单且易于实现,而且具有较GEPSVM更优的分类性能。在UCI数据集上的实验验证了它的有效性。 相似文献
2.
3.
4.
5.
6.
7.
8.
9.
随着时代的发展,我国城市建设的步伐越来越快,市政工程的规模也在不断扩大。在一些地区,城镇化的发展正在迅猛前行,这也推动了市政建筑的数量不断增长。因此,为了确保工程的质量,建设单位必须加强对施工技术和质量的把控,并将其纳入日常管理之中,从而确保市政建筑的安全可靠。当前,尽管许多城市的市政建筑项目都取得了一定的进展,但仍有许多问题需要解决。为了确保项目的质量,必须深入了解这些问题,并加强技术管理,为人们创建更加舒适的生活环境。文中论述了市政工程施工中常见的技术通病,期待能起到一定的借鉴意义。 相似文献
10.
最小二乘支持向量机采用最小二乘线性系统代替传统的支持向量即采用二次规划方法解决模式识别问题,能够有效地减少计算的复杂性.但最小二乘支持向量机失去了对支持向量的稀疏性.文中提出了一种基于边界近邻的最小二乘支持向量机,采用寻找边界近邻的方法对训练样本进行修剪,以减少了支持向量的数目.将边界近邻最小二乘支持向量机用来解决由1-a-r(one-against-rest)方法构造的支持向量机分类问题,有效地克服了用1-a-r(one-against-rest)方法构造的支持向量机分类器训练速度慢、计算资源需求比较大、存在拒分区域等缺点.实验结果表明,采用边界近邻最小二乘支持向量机分类器,识别精度和识别速度都得到了提高. 相似文献