共查询到20条相似文献，搜索用时 468 毫秒
1.
向量是一种最基本的,也是最重要的一种数学概念。通过向量的运用可以有效地解决几何问题。本文主要探讨向量在立体几何教学中的应用问题。 相似文献
2.
支持向量机(SVM)是建立在统计学习理论基础上的一种通用的研究机器学习规律的方法。它具有很强的学习能力和泛化能力,可以有效地处理分类,回归等问题。SVM在处理非线性问题时,通过使用一个核函数来解决复杂计算问题。最小二乘支持向量机(LS_SVM)是SVM的一种改进,它提高了求解问题的速度和收敛精度。本文以太阳黑子为数据集,基于LS_SVM工具,使用了支持向量回归算法(SVR),实现了太阳黑子活动的预测。 相似文献
3.
支持向量机（support vector machine）是一种建立在结构风险最小化原则基础上的全新机器学习方法,具有很强的学习能力和泛化性能,能够较好地解决小样本、高维数、非线性、局部极小等实际问题。虽然支持向量机较其它学习方法在很多方面都具有难以比拟的优越性,但是作为一种新型的技术,支持向量机目前仍然具有一些局限性,尤其是它在支持增量式学习方面还不够好,所以对向量机进行增量学习有着一定的必要性。一方面,由于使用者在训练初期对问题理解的局限性以及问题的高度复杂性,一般很难精确地定义所要的完整的训练集;另一方面,要在初期就收集一个非常完整的训练集是非常困难甚至是难以实现的。本文基于以上的思想对支持向量机增量学习进行研究,通过对原有算法的研究找到一个新的支持向量机增量学习算法。 相似文献
4.
多媒体教学是一种现代化的教学方式.本文以多媒体课件制作中的向量实现为主题,阐述了flash在制作课件中实现向量的可视化,帮助课件制作时解决物理运动真实性的问题. 相似文献
5.
6.
支持向量机是一种有良好发展前景的学习机器。针对支持向量机训练过程中特征选择和参数优化的问题,提出一种基于蝙蝠算法和禁忌搜索算法相结合的算法的支持向量机特征选择和参数优化算法。将禁忌搜索算法理论引入蝙蝠算法中,可以有效提高BA算法的收敛速度和精度,得到更优的支持向量机模型。UCI标准数据集的分类实验结果表明,与基本的网格搜索,遗传算法等比较,TSBA算法可以获得更高的分类准确率和更好的稳定性。 相似文献
7.
为了提高文本分类的准确性和效率,提出了一种基于潜在语义分析和超球支持向量机的文本分类模型.针对SVM对大规模文本分类时收敛速度较慢这一缺点,本文将超球支持向量机应用于文本分类,采用基于增量学习的超球支持向量机分类学习算法进行训练和分类.实验结果表明,超球支持向量机是一种解决SVM问题的有效方法,在文本分类应用中具有与SVM相当的精度,但是明显降低了模型复杂度和训练时间. 相似文献
8.
9.
10.
11.
决策支持系统是跨学科的综合体系，涉及机器学习理论。支持向量机是近几年发展起来的学习方法，它是利用最优分类面（线）将两类样本在特征空间或输入空间中无错误地分开，而且要使两类的分类空隙最大。然而当两类中的样本数量差剐悬殊时，支持向量机的分类能力会下降。为了解决此问题，本文提出了一种改选的支持向量机算法，在所开发的医学决策支持系统上的应用表明，此方法在解决两类样本数量十分不均衡问题时有着很强的分类能力，不失为一种有效的决策分析工具。 相似文献
12.
基于向量模型的文本检索若干问题研究 总被引：12，自引：1，他引：12
针对向量空间模型存在的几个问题进行了研究和探讨。在文本切分上提出了一种基于方差的切词方法；在对TF-IDF因子改进方面提出了位置参数加权方式；对向量维数压缩、词语同现等问题方面总结了解决的方法。 相似文献
13.
讨论了支持向量机中高斯核函数中参数σ对支持向量机学习预测性能的影响,指出高斯核函数具有描述样本相似程度这一性质,通过数值实验给出一种选择高斯核函数的方法——拐点法。然后针对石油地质勘探的实际问题,将支持向量机运用测井曲线预测储层参数,同时与反向传播神经网络函数逼近法预测进行比较,结果表明该方法预测精度高、方法稳定有效,支持向量机较好的解决了小样本测井勘探的实际问题。 相似文献
14.
针对灰度图像中的人脸检测问题,提出了一种基于多种支持向量机的决策融合检测方法。该方法首先用传统的二类支持向量机(C—SVM)和单类支持向量机(One-Class SVM)分别对图像进行检测,然后决策融合两种分类器的检测结果。在MIT CUM人脸库上的实验结果表明,该方法具有良好的检测效果和较低的虚警率。 相似文献
15.
支持向量机原理及其在模式分类中的应用 总被引：1，自引：0，他引：1
支持向量机是一种突出的小样本数据分析方法,它基于结构风险最小化原则,在一个高维特征空间中构造最优分类超平面,在解决很多实际问题中具有优于其他方法的特点,本文介绍了支持向量机原理及其在模式分类中多方面的应用,并阐述了SVM在算法上的最新研究。 相似文献
16.
支持向量机是一种基于统计学习理论的机器学习方法,针对小样本情况表现出了优良的性能,目前被广泛应用于模式识别、函数回归、故障诊断等方面。这里主要研究支持向量机分类问题,着重讨论了以下几个方面的内容。首先介绍了支持向量机分类器算法,并将其应用于数据分类,取得了较高的准确率,所用数据来自于UCI数据集。仿真结果表明该算法具有较快的收敛速度和较高的计算精度。 相似文献
17.
18.
中国区域创新能力评价的SVM建模研究 总被引：1，自引：0，他引：1
支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归算法。文章基于SVM建模研究区域创新能力评价问题,同时研究了网络参数的优化选择,仿真试验表明:采用该算法获得的结果是令人满意的。 相似文献
19.
针对传统的支持向量机在分类中不能够逼近任意的分类界面,而造成分类精度低的问题,本文在传统的支持向量机核函数基础上,提出了一种基于遗传算法优化的支持向量机结构模型,并将该方法应用在DNA序列分类上。实验结果表明了本文算法在同等条件下要比传统的SVM分类方法具有更加优越的特征提取性能。 相似文献