当前位置：学术参考网 > 单分类支持向量机论文
单分类支持向量机的学习方法研究.王洪波.【摘要】：支持向量机(SupportVectorMachine,SVM)是在统计学习理论基础上发展起来的新型机器学习算法。.SVM采用结构风险最小化原则,同时最小化经验风险和置信范围,具有拟合精度高、选择参数少、推广能力强和全局最...
【摘要】：对基于支持向量机和主动学习的异常检测方法进行了研究,首先利用原始数据采用无监督方式建立单分类支持向量机模型,然后结合主动学习找出对提高异常检测性能最有价值的样本进行人工标记,利用标记数据和无标记数据以半监督方式对基于单分类支持向量机的异常检测模型进行扩展。
本论文针对三种现实分类问题：两类分类、单值分类和多类分类问题，基于支持向量机分类理论，结合工程实际项目对机械模式分类方法进行了研究。论文首先介绍了机械故障诊断的历史、意义及研究现状，分析了现有故障诊断理论方法的优点及不足之处。
支持向量机(SVM)是一种相对简单的监督机器学习算法，用于解决分类或回归问题。.它更适合分类，但有时对回归也非常有用。.SVM算法的本质是在不同的数据类型之间找到一个超平面来创建边界。.在二维空间中，这个超平面是一条直线。.在SVM算法中，我们在...
我理解SVM并不是不适合大规模数据，而应该说，SVM在小样本训练集上能够得到比其它算法好很多的结果。.支持向量机之所以成为目前最常用，效果最好的分类器之一，在于其优秀的泛化能力，这是是因为其本身的优化目标是结构化风险最小，而不是经验风险...
(2)支持向量机的求解问题对应的是一个凸优化问题，因此局部最优解一定是全局最优解。(3)核函数的成功应用，将非线性问题转化为线性问题求解。(4)分类间隔的最大化，使得支持向量机算法具有较好的鲁棒性。
第9期利用改进单分类支持向量机提升舰船尾流目标的检测准确率图2Fig.222.1尾流探测系统流程图Flowchartofwakedetectionsystem如图3所示。.对比图3（a）、图3（b）可知，尾流回波信号被海洋背景噪声所淹没。.实验中假设海洋环境回波信号处理预处理真实海洋环境中...
【关键词】：单类支持向量机异常声音检测特征提取音频监控【基金】：中科院性战略性先导科技专项(XDA06020401)【分类号】：TN912.3;TP18【正文快照】：近些年随着信息化和网络化技术的发展,安全监控在国防和社会安全中的作用越来越突出。
(3)针对某些支持向量机算法不能解决样本类别之间差异造成的不良影响的缺陷,提出了一种新的加权支持向量机算法,该算法具有补偿类别差异的优点,可应用于解决多类别分类问题.并且从另外一个角度对加权C-SVM算法和加权ν-SVM算法的类别补偿性能进行了分析.
本文是数学硕士论文，本文主要研究支持向量机的参数寻优及其在分类中的应用。首先，利用遗传算法、粒子群算法和网格搜索算法对支持向量机的惩罚参数和高斯核函数的参数进行优化。
关键字:支持向量数据描述;一类支持向量机;单分类支持向量机;线性粒子群优化;快速学习:随机取样引理;增量学习;德尔塔函数;高清车牌识别浙江大学博士学位论文...
王洪波.单分类支持向量机的学习方法研究.2012王洪波.单分类支持向量机的学习方法研究[D].杭州:浙江大学,2012.王洪波.单分类支持向量机的学习方法研究[D]:[博士学位论文]...
关键字:支持向量数据描述;一类支持向量机;单分类支持向量机;线性粒子群优化;快速学习:随机取样引理;增量学习;德尔塔函数;高清车牌识别浙江大学博士学...
关键字:支持向量数据描述;一类支持向量机;单分类支持向量机;线性粒子群优化;快速学习:随机取样引理;增量学习;德尔塔函数;高清车牌识别浙江大学博士学位论文A...
支持向量数据描述一类支持向量机单分类支持向量机线性粒子群优化快速学习随机取样引理增量学习德尔塔函数高清车牌识别
单分类支持向量机(One-SVM)只用某一类样本来训练分类器,可以有效避免预测偏置问题的出现.本文将单分类支持向量机(One-classSVM)用于UCI数据库的灯盏花分类研究,结果显示,单分...
DISCOVERYANDRESEARCHdoi:10.3772/j.issn.2095-915x.2018.03.009探索与研究基于密度分布单类支持向量机的科技文献分类研究董微赵捷中国科学技术信息研...
《基于单层稀疏自编码和支持向量机的+场景分类.pdf》由会员分享,可免费在线阅读全文,更多与《【优秀毕业论文】基于单层稀疏自编码和支持向量机的+场景分类》相...
山西大学硕士学位论文基于支持向量机的文本主题分类和情感分类研究姓名:韩翠霞申请学位级别:硕士专业:基础数学指导教师:王素格20060601摘要近年来,随着...
tnt2010c.017-59(00)500-3文章编号:6314210-580基于对应分析的支持向量机分类研究赵王娟,贺兴时,飞军(西安工程大学理学院,108西安704)提摘...