文献检索-宁波市创意产业特色资源库

限定检索结果

自适应迭代算法支持向量集的特性研究: 收藏
分享
引用; 《吉林大学学报（信息科学版）》2006年第2期24卷 153-157页; 作者：杨晓伟欧阳柏平余舒吴春国梁艳春华南理工大学数学科学学院华南理工大学计算机科学与工程学院广州510640 吉林大学计算机科学与技术学院长春130012; 针对在支持向量机研究中,传统的优化方法无法处理规模不断扩大的分类问题,为设计适应大样本分类的训练算法,提出了基于块的自适应迭代算法。在该算法的训练过程中,块增量学习和逆学习交替进行,能够自动得到一个小的支持向量集。将该算法...; 针对在支持向量机研究中,传统的优化方法无法处理规模不断扩大的分类问题,为设计适应大样本分类的训练算法,提出了基于块的自适应迭代算法。在该算法的训练过程中,块增量学习和逆学习交替进行,能够自动得到一个小的支持向量集。将该算法与SVML ight在支持向量数量方面进行了比较,计算了UC I(Un i-versity of Californ ia-Irvine)中的6个数据集和著名的Checkboard问题。结果表明:该自适应迭代算法确定的支持向量数一般不到SVML ight所得到的支持向量数的一半,其中70%多的支持向量被SVML ight所确定的支持向量集所包含,在支持向量选择方面具有高效性。; 来源：详细信息评论

限定检索结果