期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
ε不敏感损失函数支持向量机分类性能研究
被引量：
17
1
作者
杨俊燕
张优云
朱永生
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2007年第11期1315-1320,共6页
将原先用于支持向量回归的ε不敏感损失函数引入到支持向量分类中,提出ε不敏感损失函数支持向量分类算法(-εSVC).同标准支持向量分类方法(C-SVC)和最小二乘支持向量分类方法(LS-SVC)相比较,试验结果表明:当赋予参数ε一个足够大的接近...
将原先用于支持向量回归的ε不敏感损失函数引入到支持向量分类中,提出ε不敏感损失函数支持向量分类算法(-εSVC).同标准支持向量分类方法(C-SVC)和最小二乘支持向量分类方法(LS-SVC)相比较,试验结果表明:当赋予参数ε一个足够大的接近于1的值时,-εSVC的分类正确率略低于C-SVC和LS-SVC,但是-εSVC的训练、测试和参数选择的速度要高于C-SVC和LS-SVC.特别是对于大规模数据集,这种优势将更加明显.另外,通过精确选择参数ε的值,-εSVC能够获得比C-SVC和LS-SVC更高的分类正确率,但是训练、测试和参数选择的速度却随着ε的减小而降低.
展开更多
关键词
ε不敏感损失函数
支持向量分类
模式分类
支持向量回归
在线阅读
下载PDF
职称材料
PSO-ε-SVM的回归算法
被引量：
8
2
作者
金晶
王行愚
+1 位作者
罗先国
王蓓
《华东理工大学学报（自然科学版）》
CAS
CSCD
北大核心
2006年第7期872-875,共4页
回归支持向量机的ε不敏感损失函数的参数寻优是一个重要的问题,它与支持向量机的行为特性有紧密关系。本文给出了一种基于粒子群优化算法的、对ε不敏感损失函数的ε参数寻优的方法,仿真结果表明:采用基于粒子群优化算法的寻优方法寻...
回归支持向量机的ε不敏感损失函数的参数寻优是一个重要的问题,它与支持向量机的行为特性有紧密关系。本文给出了一种基于粒子群优化算法的、对ε不敏感损失函数的ε参数寻优的方法,仿真结果表明:采用基于粒子群优化算法的寻优方法寻找ε参数,需要重复训练回归支持向量机模型的次数明显小于格点搜索方法,节省了大量的时间并且能找到较优的ε值。
展开更多
关键词
回归支持向量机
粒子群优化算法
ε不敏感损失函数
格点搜索
在线阅读
下载PDF
职称材料
基于SVR的网络安全评价模型的建立与仿真
被引量：
2
3
作者
李治国
《电子设计工程》
2018年第13期75-79,共5页
针对目前基于主观评价或基于神经网络的评价方法在网络安全评价模型中存在的不足,文中在建立网络安全评价指标体系的基础上,结合ε不敏感损失函数和支持向量机SVM,建立了一种基于SVR的网络安全评价模型。该模型能够对训练样本进行学习...
针对目前基于主观评价或基于神经网络的评价方法在网络安全评价模型中存在的不足,文中在建立网络安全评价指标体系的基础上,结合ε不敏感损失函数和支持向量机SVM,建立了一种基于SVR的网络安全评价模型。该模型能够对训练样本进行学习和训练,得到SVR适宜的设置参数。经过对校验样本的预测可发现,该模型具有较强的泛化能力,预测精度也较高。其性能远优于目前所知的主观评价和神经网络评价方法,能为相关网络安全评价模型的设计与建立提供参考。
展开更多
关键词
支持向量回归机
网络安全评价
ε不敏感损失函数
支持向量机
在线阅读
下载PDF
职称材料
题名
ε不敏感损失函数支持向量机分类性能研究
被引量：
17
1
作者
杨俊燕
张优云
朱永生
机构
西安交通大学现代设计和转子轴承系统教育部重点实验室
出处
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2007年第11期1315-1320,共6页
基金
国家自然科学基金资助项目(50575179
50335030)
文摘
将原先用于支持向量回归的ε不敏感损失函数引入到支持向量分类中,提出ε不敏感损失函数支持向量分类算法(-εSVC).同标准支持向量分类方法(C-SVC)和最小二乘支持向量分类方法(LS-SVC)相比较,试验结果表明:当赋予参数ε一个足够大的接近于1的值时,-εSVC的分类正确率略低于C-SVC和LS-SVC,但是-εSVC的训练、测试和参数选择的速度要高于C-SVC和LS-SVC.特别是对于大规模数据集,这种优势将更加明显.另外,通过精确选择参数ε的值,-εSVC能够获得比C-SVC和LS-SVC更高的分类正确率,但是训练、测试和参数选择的速度却随着ε的减小而降低.
关键词
ε不敏感损失函数
支持向量分类
模式分类
支持向量回归
Keywords
ε-insensitive loss function
support vector classification
pattern classification
support vector regression
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
PSO-ε-SVM的回归算法
被引量：
8
2
作者
金晶
王行愚
罗先国
王蓓
机构
华东理工大学信息科学与工程学院
出处
《华东理工大学学报（自然科学版）》
CAS
CSCD
北大核心
2006年第7期872-875,共4页
基金
国家自然科学基金项目(60543005)
高等学校博士点基金(20040251010)
文摘
回归支持向量机的ε不敏感损失函数的参数寻优是一个重要的问题,它与支持向量机的行为特性有紧密关系。本文给出了一种基于粒子群优化算法的、对ε不敏感损失函数的ε参数寻优的方法,仿真结果表明:采用基于粒子群优化算法的寻优方法寻找ε参数,需要重复训练回归支持向量机模型的次数明显小于格点搜索方法,节省了大量的时间并且能找到较优的ε值。
关键词
回归支持向量机
粒子群优化算法
ε不敏感损失函数
格点搜索
Keywords
regression support vector machine
particle swarm optimization
e-non-sensitive loss function
latticework searching
分类号
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
基于SVR的网络安全评价模型的建立与仿真
被引量：
2
3
作者
李治国
机构
[
出处
《电子设计工程》
2018年第13期75-79,共5页
文摘
针对目前基于主观评价或基于神经网络的评价方法在网络安全评价模型中存在的不足,文中在建立网络安全评价指标体系的基础上,结合ε不敏感损失函数和支持向量机SVM,建立了一种基于SVR的网络安全评价模型。该模型能够对训练样本进行学习和训练,得到SVR适宜的设置参数。经过对校验样本的预测可发现,该模型具有较强的泛化能力,预测精度也较高。其性能远优于目前所知的主观评价和神经网络评价方法,能为相关网络安全评价模型的设计与建立提供参考。
关键词
支持向量回归机
网络安全评价
ε不敏感损失函数
支持向量机
Keywords
supportvector regression （SVR）
network security evaluation
s-insensitive loss function
support vector maehine（ SVM）
分类号
TP393 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
ε不敏感损失函数支持向量机分类性能研究
杨俊燕
张优云
朱永生
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2007
17
在线阅读
下载PDF
职称材料
2
PSO-ε-SVM的回归算法
金晶
王行愚
罗先国
王蓓
《华东理工大学学报（自然科学版）》
CAS
CSCD
北大核心
2006
8
在线阅读
下载PDF
职称材料
3
基于SVR的网络安全评价模型的建立与仿真
李治国
《电子设计工程》
2018
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
