期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于闭凸包收缩的最大边缘线性分类器 被引量:17
1
作者 陶卿 孙德敏 +1 位作者 范劲松 方廷健 《软件学报》 EI CSCD 北大核心 2002年第3期404-409,共6页
SVM(support vector machines)是一种基于结构风险最小化原理的分类技术.给出实现结构风险最小化原理(最大边缘)的另一种方法.对线性可分情形,提出一种精确意义下的最大边缘算法,并通过闭凸包收缩的概念,将线性不可分的情形转化为线性... SVM(support vector machines)是一种基于结构风险最小化原理的分类技术.给出实现结构风险最小化原理(最大边缘)的另一种方法.对线性可分情形,提出一种精确意义下的最大边缘算法,并通过闭凸包收缩的概念,将线性不可分的情形转化为线性可分情形.该算法与SVM算法及其Cortes软边缘算法异曲同工,但理论体系简单、严谨,其中的优化问题几何意义清楚、明确. 展开更多
关键词 闭凸集 收缩 支持向量 分类学习算法 最大边缘线性分类器 神经网络器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部