检索结果-维普期刊中文期刊服务平台

求解非半正定核Huber-支持向量回归机问题的序列最小最优化算法被引量：9: 1; 作者周晓剑马义中 +2 位作者朱嘉钢刘利平汪建均《控制理论与应用》 EI CAS CSCD 北大核心 2010年第9期1178-1184,共7页; 序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的... 展开更多; 关键词支持向量机非半正定核序列最小最优化算法 Huber-支持向量回归机; 在线阅读下载PDF 职称材料

基于边界矩和支持向量机的火焰识别算法被引量：4: 2; 作者韩斌黄刚王士同《计算机应用研究》 CSCD 北大核心 2009年第7期2765-2766,2770,共3页; 根据火焰的燃烧特性,结合火焰的空间形状特征和动态变化特征,设计了一种基于动态边界矩和支持向量机的火焰识别算法。利用相邻帧边界矩不变量的差值来描述火焰的动态特征,基于支持向量机对火焰和疑似火焰目标样本进行分类检测。实验表明... 展开更多; 关键词火焰识别边界矩不变量支持向量机序列最小最优化算法; 在线阅读下载PDF 职称材料

基于扩展SMO求解核函数非正定的SVR模型算法: 3; 作者周锦程王丹 +1 位作者余泉张维《计算机工程与科学》 CSCD 北大核心 2012年第3期122-127,共6页; 将求解SVC模型的算法运用到求解SVR模型中一般要SVR模型的核函数正定且满足Mercer条件,而实际应用中利用几何框架将SVC模型转换成相应的SVR模型时,通常无法保证经转换得到的SVR模型的核函数具有正定性,从而导致SVR模型不是凸规划模型而... 展开更多; 关键词非正定核损失函数序列最小最优化算法回归型支持向量机模型; 在线阅读下载PDF 职称材料

支持向量机多类分类方法被引量：64: 4; 作者苟博黄贤武《数据采集与处理》 CSCD 北大核心 2006年第3期334-339,共6页; 支持向量机本身是一个两类问题的判别方法,不能直接应用于多类问题。当前针对多类问题的支持向量机分类方法主要有5种:一类对余类法(OVR),一对一法(OVO),二叉树法(BT),纠错输出编码法和有向非循环图法。本文对这些方法进行了简单的介绍... 展开更多; 关键词支持向量机序列最小最优化算法多类分类多类支持向量机; 在线阅读下载PDF 职称材料

基于支持向量回归模型的电力系统谐波分析新方法被引量：2: 5; 作者刘尚伟吴玲《中国电力》 CSCD 北大核心 2007年第6期32-35,共4页; 当前电力系统中的谐波问题日益严重,对谐波的准确检测和分析是抑制谐波畸变的重要依据。将基于改进的SMO算法的支持向量回归模型应用于电力系统谐波的检测,该算法克服了常规算法计算规模大和建模复杂的困难,通过引入一个中间因子,将原... 展开更多; 关键词谐波分析支持向量回归结构风险最小化泛化能力序列最小最优化算法; 在线阅读下载PDF 职称材料

基于支持向量机的肤色检测: 6; 作者徐从东罗家融 +1 位作者肖炳甲舒双宝《计算机工程与设计》 CSCD 北大核心 2008年第10期2600-2603,共4页; 根据支持向量机理论和肤色信息分布特点,提出用支持向量机方法进行肤色检测。在YCbCr、YIQ、YUV颜色空间中,去除照度分量,分别以各像素点的色度向量为输入,用像素点所属类别——皮肤区域与非皮肤区域为输出,建立各颜色空间的支持向量机... 展开更多; 关键词肤色检测支持向量机颜色空间高斯函数序列最小最优化算法; 在线阅读下载PDF 职称材料

题名求解非半正定核Huber-支持向量回归机问题的序列最小最优化算法被引量：9: 1; 作者周晓剑马义中朱嘉钢刘利平汪建均; 机构南京理工大学管理科学与工程系江南大学信息工程学院; 出处《控制理论与应用》 EI CAS CSCD 北大核心 2010年第9期1178-1184,共7页; 基金国家自然科学基金重点资助项目(70931002) 国家自然科学基金资助项目(70672088); 文摘序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的前提下可使非半正定Huber-SVR能够达到比较理想的回归精度,因而具有一定的理论意义和实用价值.; 关键词支持向量机非半正定核序列最小最优化算法 Huber-支持向量回归机; Keywords support-vector-machine non-positive semi-definite kernel sequential-minimal-optimization algorithm Huber-support vector regression; 分类号 TP18 [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

题名基于边界矩和支持向量机的火焰识别算法被引量：4: 2; 作者韩斌黄刚王士同; 机构江南大学信息工程学院江苏科技大学计算机科学与工程学院; 出处《计算机应用研究》 CSCD 北大核心 2009年第7期2765-2766,2770,共3页; 基金国家“863”计划资助项目(2007AA1Z158); 文摘根据火焰的燃烧特性,结合火焰的空间形状特征和动态变化特征,设计了一种基于动态边界矩和支持向量机的火焰识别算法。利用相邻帧边界矩不变量的差值来描述火焰的动态特征,基于支持向量机对火焰和疑似火焰目标样本进行分类检测。实验表明,该算法具有较好的火焰目标识别性能、较低的虚警率和较强的抗干扰性能。; 关键词火焰识别边界矩不变量支持向量机序列最小最优化算法; Keywords flame detection boundary moment invariants support vector machine （SVM） SMO （sequential minimal optimization） algorithm; 分类号 TP391.41 [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

题名基于扩展SMO求解核函数非正定的SVR模型算法: 3; 作者周锦程王丹余泉张维; 机构黔南民族师范学院数学系中山大学信息科学与技术学院; 出处《计算机工程与科学》 CSCD 北大核心 2012年第3期122-127,共6页; 基金贵州省科技厅科学基金资助项目(黔科合J字[2009]2068号) 贵州省教育厅自然科学基金资助项目(黔教科2009064); 文摘将求解SVC模型的算法运用到求解SVR模型中一般要SVR模型的核函数正定且满足Mercer条件,而实际应用中利用几何框架将SVC模型转换成相应的SVR模型时,通常无法保证经转换得到的SVR模型的核函数具有正定性,从而导致SVR模型不是凸规划模型而无法求解。为解决上述问题,本文提出了一种运用扩展的序列最小最优化方法(SMO)来求解基于非正定核的SVR模型,设计了算法中工作集的选择准则,解决了算法中如何选择工作集变量当前的最优值问题。由于该算法不要求核函数具有正定性,从而拓宽了SVR模型核函数的选择范围。实验表明,该算法对基于正定或非正定核的SVR模型都具有很好的泛化性能和回归精度,具有一定的理论意义和实用价值。; 关键词非正定核损失函数序列最小最优化算法回归型支持向量机模型; Keywords non-positive kernel loss function SMO algorithm SVR model; 分类号 TP18 [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

题名支持向量机多类分类方法被引量：64: 4; 作者苟博黄贤武; 机构苏州大学电子信息学院; 出处《数据采集与处理》 CSCD 北大核心 2006年第3期334-339,共6页; 文摘支持向量机本身是一个两类问题的判别方法,不能直接应用于多类问题。当前针对多类问题的支持向量机分类方法主要有5种:一类对余类法(OVR),一对一法(OVO),二叉树法(BT),纠错输出编码法和有向非循环图法。本文对这些方法进行了简单的介绍,通过对其原理和实现方法的分析,从速度和精度两方面对这些方法的优缺点进行了归纳和总结,给出了比较意见,并通过实验进行了验证,最后提出了一些改进建议。; 关键词支持向量机序列最小最优化算法多类分类多类支持向量机; Keywords support vector machine sequential minimal optimization multi-class classification multi-class support vector machine; 分类号 TP181 [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

题名基于支持向量回归模型的电力系统谐波分析新方法被引量：2: 5; 作者刘尚伟吴玲; 机构天津大学电气与自动化工程学院天津科技大学电子信息与自动化学院; 出处《中国电力》 CSCD 北大核心 2007年第6期32-35,共4页; 文摘当前电力系统中的谐波问题日益严重,对谐波的准确检测和分析是抑制谐波畸变的重要依据。将基于改进的SMO算法的支持向量回归模型应用于电力系统谐波的检测,该算法克服了常规算法计算规模大和建模复杂的困难,通过引入一个中间因子,将原来问题的计算规模减半,并利用迭代算法求解中间因子,使得该算法简单可行。对三相桥式整流电路交流侧产生的特征谐波和非特征谐波电流进行了分析,仿真结果通过与FFT算法和ADALINE神经网络的检测分析结果对比,表明该方法无论是在理想情况下还是在考虑了各种影响因素的情况下,都具有很高的检测精度,可以满足电力系统的谐波分析的要求。该方法的不足之处是计算量会随着输入量分辨率的提高而增大。; 关键词谐波分析支持向量回归结构风险最小化泛化能力序列最小最优化算法; Keywords harmonics analysis support vector regression （SVR） structural risk minimization （SRM） generalization sequential minimal optimization （SMO） algorithm; 分类号 TM711 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于支持向量机的肤色检测: 6; 作者徐从东罗家融肖炳甲舒双宝; 机构中国科学院等离子体物理研究所计算机应用研究室; 出处《计算机工程与设计》 CSCD 北大核心 2008年第10期2600-2603,共4页; 基金中国科学院知识创新工程重要方向性基金项目(KJCX3.SYW.N4); 文摘根据支持向量机理论和肤色信息分布特点,提出用支持向量机方法进行肤色检测。在YCbCr、YIQ、YUV颜色空间中,去除照度分量,分别以各像素点的色度向量为输入,用像素点所属类别——皮肤区域与非皮肤区域为输出,建立各颜色空间的支持向量机肤色检测器。实验表明,该方法具有良好的肤色检测效果。; 关键词肤色检测支持向量机颜色空间高斯函数序列最小最优化算法; Keywords skin detection support vector machines color space Gaussian function sequential minimal optimization algorithm; 分类号 TP391.41 [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	求解非半正定核Huber-支持向量回归机问题的序列最小最优化算法	周晓剑马义中朱嘉钢刘利平汪建均	《控制理论与应用》 EI CAS CSCD 北大核心	2010	9	在线阅读下载PDF 职称材料
2	基于边界矩和支持向量机的火焰识别算法	韩斌黄刚王士同	《计算机应用研究》 CSCD 北大核心	2009	4	在线阅读下载PDF 职称材料
3	基于扩展SMO求解核函数非正定的SVR模型算法	周锦程王丹余泉张维	《计算机工程与科学》 CSCD 北大核心	2012	0	在线阅读下载PDF 职称材料
4	支持向量机多类分类方法	苟博黄贤武	《数据采集与处理》 CSCD 北大核心	2006	64	在线阅读下载PDF 职称材料
5	基于支持向量回归模型的电力系统谐波分析新方法	刘尚伟吴玲	《中国电力》 CSCD 北大核心	2007	2	在线阅读下载PDF 职称材料
6	基于支持向量机的肤色检测	徐从东罗家融肖炳甲舒双宝	《计算机工程与设计》 CSCD 北大核心	2008	0	在线阅读下载PDF 职称材料