期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于混合核函数的支持向量机 被引量:42
1
作者 邬啸 魏延 吴瑕 《重庆理工大学学报(自然科学)》 CAS 2011年第10期66-70,共5页
支持向量机采用核函数来实现从原输入空间到一个高维空间的非线性映射,而由于普通核函数各有其利弊,为了得到学习能力和泛化性能都很强的核函数,研究了2种支持向量机核函数:全局核函数(线性核函数)和局部核函数(RBF核函数),提出了组合... 支持向量机采用核函数来实现从原输入空间到一个高维空间的非线性映射,而由于普通核函数各有其利弊,为了得到学习能力和泛化性能都很强的核函数,研究了2种支持向量机核函数:全局核函数(线性核函数)和局部核函数(RBF核函数),提出了组合核函数的支持向量机。与普通核函数构造的支持向量机进行了比较实验。结果表明,组合核函数的支持向量机性能明显优于由普通核函数构造的支持向量机。 展开更多
关键词 支持向量机 混合函数 局部函数 全局函数
下载PDF
增量支持向量机核函数的优化 被引量:4
2
作者 李村合 马敏敏 《计算机系统应用》 2017年第8期284-287,共4页
支持向量机的核函数类型分为两类:局部核函数和全局核函数.局部核函数的值只受到相距很近数据点的影响,有很好的学习能力.全局核函数的值会受到距离较远数据点的影响,有很好的推广泛化能力.针对局部核函数学习能力良好但泛化能力差的缺... 支持向量机的核函数类型分为两类:局部核函数和全局核函数.局部核函数的值只受到相距很近数据点的影响,有很好的学习能力.全局核函数的值会受到距离较远数据点的影响,有很好的推广泛化能力.针对局部核函数学习能力良好但泛化能力差的缺点,提出一种结合局部核函数和全局核函数构造新联合函数的方法.实验结果表明,与局部核函数和全局核函数相比,新联合核函数有更好的预测能力,并且能够适应增量学习的过程. 展开更多
关键词 支持向量机 增量学习 全局函数 局部函数 联合函数
下载PDF
一种基于PSO的混合核支持向量机算法 被引量:3
3
作者 谌璐 贺兴时 +1 位作者 王芳妮 刘平丽 《西安工程大学学报》 CAS 2012年第6期815-819,共5页
支持向量机算法作为一种新的机器学习方法,在处理小样本分类问题上具有明显优势,但核函数和参数的选取的好坏直接影响支持向量机算法的性能.针对该问题,通过组合全局核函数和局部核函数的混合核函数方法,建立了基于粒子群算法的混合核... 支持向量机算法作为一种新的机器学习方法,在处理小样本分类问题上具有明显优势,但核函数和参数的选取的好坏直接影响支持向量机算法的性能.针对该问题,通过组合全局核函数和局部核函数的混合核函数方法,建立了基于粒子群算法的混合核支持向量机算法,并经过Matlab仿真实验,表明该改进算法较支持向量机算法具有更高的分类准确率和更好的学习及泛化能力. 展开更多
关键词 支持向量机 全局函数 局部函数 混合函数 粒子群优化算法
下载PDF
基于单核和组合核函数在垃圾邮件过滤中的比较应用 被引量:1
4
作者 吴陈 孙伟 《电子设计工程》 2015年第11期51-53,共3页
大多数文本为高维且线性不可分。针对中文邮件,首先阐述了邮件预处理的相关方法,利用TF-TDF将邮件向量化。分析了多种常用核函数在SVM中应用于垃圾邮件过滤。阐述了全局核函数和局部核函数的特点,主要针对全局核函数-多项式(Poly)核函... 大多数文本为高维且线性不可分。针对中文邮件,首先阐述了邮件预处理的相关方法,利用TF-TDF将邮件向量化。分析了多种常用核函数在SVM中应用于垃圾邮件过滤。阐述了全局核函数和局部核函数的特点,主要针对全局核函数-多项式(Poly)核函数和局部核函数-径向基核(RBF)函数在垃圾邮件分类的准确性做了比较,综合分析后组合两种核函数。实验证明,组合核函数在性能上优于单个核函数,具有较好的学习能力和泛化能力。 展开更多
关键词 全局函数 局部函数 组合函数 支持向量机
下载PDF
在QSAR中应用SVR的非线性组合预测 被引量:1
5
作者 谭泗桥 柏连阳 +2 位作者 谭显胜 熊洁仪 袁哲明 《计算机与应用化学》 CAS CSCD 北大核心 2009年第9期1169-1173,共5页
为提高定量构效关系(quantitative structure-activity relationship,QSAR)模型预测的精度,以支持向量回归(support vector regression,SVR)全局与局部核函数,发展出1种非线性组合方法GK-LK-SVR,其基本思路为:依均方误差(MSE)最小原则,... 为提高定量构效关系(quantitative structure-activity relationship,QSAR)模型预测的精度,以支持向量回归(support vector regression,SVR)全局与局部核函数,发展出1种非线性组合方法GK-LK-SVR,其基本思路为:依均方误差(MSE)最小原则,分别基于SVR的全局与局部核函数筛选描述符后预测,实测值与不同核函数的预测值组合成混合样本,然后再依MSE最小原则基于SVR对混合样本实施核函数寻优及子模型筛选,最后以留一法完成预测。对2种化合物QSAR建模结果表明:GK-LK-SVR方法预测精度高,有望在QSAR研究中得到广泛应用。 展开更多
关键词 非线性组合预测 定量构效关系 支持向量回归 全局函数 局部函数
原文传递
非局部核与应变局部化问题解的相关性
6
作者 姚寅 黄再兴 《南京航空航天大学学报》 EI CAS CSCD 北大核心 2008年第6期768-773,共6页
在非局部理论框架下,研究了应变局部化现象模拟结果与所用非局部核函数的相关性。首先,在非局部损伤理论框架中,提出一个以应变与损伤参量为独立变量的新的自由能泛函形式,并由热力学定律,推导非局部弹性损伤本构方程。然后,通过二次线... 在非局部理论框架下,研究了应变局部化现象模拟结果与所用非局部核函数的相关性。首先,在非局部损伤理论框架中,提出一个以应变与损伤参量为独立变量的新的自由能泛函形式,并由热力学定律,推导非局部弹性损伤本构方程。然后,通过二次线性化的方法,给出一维情况下的支配方程。最后,给出对应不同形式非局部核的损伤局部化现象模拟结果。通过与模拟结果的比较,分析非局部核与解的相关性,得到了一些有价值的结论。 展开更多
关键词 应变局部 局部函数 损伤参数 本构方程
下载PDF
基于混合核函数的SVM及其应用 被引量:23
7
作者 张芬 陶亮 孙艳 《计算机技术与发展》 2006年第2期176-178,共3页
支持向量机可以很好地应用于函数拟合中,其中核函数的选择尤其重要。由于普通核函数各有其利弊,为了得到学习能力和泛化性能都很强的核函数,文中采用了混合核函数,并将由其构造的支持向量机运用于函数拟合中,且与普通核函数构造的支持... 支持向量机可以很好地应用于函数拟合中,其中核函数的选择尤其重要。由于普通核函数各有其利弊,为了得到学习能力和泛化性能都很强的核函数,文中采用了混合核函数,并将由其构造的支持向量机运用于函数拟合中,且与普通核函数构造的支持向量机的实验结果进行了比较。结果表明其性能明显优于由普通核函数构造的支持向量机。 展开更多
关键词 支持向量机 混合函数 局部函数 全局性函数
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部