一種改進的支持向量機模式分類方法
支持向量機(Support Vector Machine,SVM)是在統計學習理論基礎上發展起來的一種新的機器學習方法,已成為目前研究的熱點,并在模式識別領域有了廣泛的應用.首先分析了支持向量機原理,隨后引入一種改進的徑向基核函數,在此基礎上,提出了一種改進核函數的SVM模式分類方法.與基于IRIS數據,進行了計算機仿真實驗,與基干模糊k-近鄰的模式分類仿真結果比較,結果表明改進的SVM方法分類性能比模糊k-近鄰算法(Fuzzy k-Nearest Neighbor,FKNN)的分類性能更好,運算時間更短,更易于實時實現.
作 者： 姜斌 和湘 孫月光 黎湘 JIANG Bin HE Xiang SUN Yue-guang LI Xiang 作者單位： 姜斌,黎湘,JIANG Bin,LI Xiang(國防科技大學四院空間信息技術研究所,長沙,410073)和湘,孫月光,HE Xiang,SUN Yue-guang(通信指揮學院,武漢,430010)
刊 名： 電光與控制 ISTIC PKU 英文刊名： ELECTRONICS OPTICS & CONTROL 年，卷(期)： 2007 14(4) 分類號： V271.4 TN95 關鍵詞： 支持向量機 徑向基核函數 模糊k-近鄰 模式分類 模式識別 統計學習理論【一種改進的支持向量機模式分類方法】相關文章：
垃圾分類模式方案（通用24篇）05-12
小區垃圾分類運營模式方案（精選11篇）09-02
引導學生改進學習方法的評語11-14
清除牙垢的十一種方法09-25
工作中改進的措施方法（通用9篇）01-15
引導學生改進學習方法的評語3篇12-01
引導學生改進學習方法的評語(3篇)12-07
英語十一種“錢”的表達方法05-04
乒乓球拍的分類及選購方法04-11
《平面向量的數量積》04-01