中国学术期刊网络出版总库
  关闭
一种广义最小二乘支持向量机算法及其应用  
   推荐 CAJ下载 PDF下载
【英文篇名】 Generalized least squares support-vector-machine algorithm and its application
【下载频次】 ★★★★★
【作者】 吴宗亮; 窦衡;
【英文作者】 WU Zong-liang; DOU Heng(College of Electronic Engineering; University of Electronic Sicence and Technology of China; Chengdu Sichuan 610054; China);
【作者单位】 电子科技大学电子工程学院;
【文献出处】 计算机应用 , Journal of Computer Applications, 编辑部邮箱 2009年 03期  
期刊荣誉:中文核心期刊要目总览  ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 最小二乘支持向量机; 不可分样本集; 雷达一维距离像;
【英文关键词】 Least Squares Support Vector Machine(LS-SVM); unclassifiable sample set; radar range profile;
【摘要】 最小二乘支持向量机(LS-SVM)是处理不可分样本集情况下模式分类的有效工具,但是该算法在处理很多实际分类问题时,表现出了一定的局限性。为了进一步增强最小二乘支持向量机的推广能力,提出一种通用的广义最小二乘支持向量机算法,并且把这种新算法首先应用到雷达一维距离像的识别中,实验表明新的算法能取得更好的识别效果。
【英文摘要】 Least Squares Support-Vector-Machines(LS-SVM) algorithm is an efficient project about pattern classification on unclassifiable sample set condition.While dealing with many factual pattern classification problems,this algorithm reflects certain limitation.A generalized LS-SVM algorithm was introduced to further improve the applicability of LS-SVM.This new method was applied to radar range profile's recognition.The experimental results show that this new method can achieve better recognition effect.
【更新日期】 2009-03-26
【分类号】 TP181
【正文快照】 0引言最小二乘支持向量机[1-3](Least Squares Support VectorM ach ine,LS-SVM)是处理不可分样本集情况下模式分类的有效工具,但是该算法在处理各类样本数据分布范围相差很大、各类样本数量悬殊很大以及各类样本错分所造成的危害程度不同等情况时具有一定的局限性。针对上述情

xxx
【读者推荐文章】中国期刊全文数据库 中国博士学位论文全文数据库 中国优秀硕士学位论文全文数据库 中国重要会议论文全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   自动化基础理论
    人工智能理论
     自动推理、机器学习
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号