已閱讀1頁,還剩73頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、針對各種類型的數(shù)據(jù),選取恰當適合的核函數(shù)和具有代表性的數(shù)據(jù)特征,對支持向量機而言,至關重要。無關特征蘊含冗余或無用的信息,干擾支持向量機的學習性能;不同類型的核函數(shù)的選取,影響支持向量機的泛化性能,尤其是,當數(shù)據(jù)是大量的、高維的、異構的,單核的SVM求得的分類效果不理想,相較于單核函數(shù),多核學習訓練算法采納多個基本核函數(shù)的不同形式的組合,可以增加模型的靈活性和決策函數(shù)的可理解性,提升模型的預測性能。因此,選擇有用的數(shù)據(jù)樣本特征和靈活設計
2、多核函數(shù)及其參數(shù),可以改善分類器的性能,提高支持向量機學習性能和泛化性能。
論文主要研究目標為:將核度量標準之一的核極化、特征選擇以及多核學習融入最小二乘支持向量機LSSVM,提出基于核極化的LSSVM算法:基于核極化的特征選擇LSSVM算法和基于核極化的多核學習LSSVM算法,通過應用于特征選擇、分類和滾動軸承故障識別,驗證所提算法的有效性。具體內(nèi)容如下:
1.探索了一種基于核極化的特征選擇LSSVM算法,首先,利
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 最小二乘支持向量機算法研究及應用.pdf
- 直覺模糊最小二乘支持向量機算法的研究.pdf
- 最小二乘支持向量機6版
- 最小二乘支持向量機6版
- 最小二乘支持向量機6版
- 基于最小二乘再生核支持向量機的信號回歸.pdf
- 最小二乘與最小二乘支撐向量機.pdf
- 最小二乘支持向量機的參數(shù)選擇.pdf
- 結(jié)構化最小二乘支持向量機.pdf
- 最小二乘支持向量機短期負荷預測研究.pdf
- 灰色最小二乘支持向量機研究及應用.pdf
- 改進最小二乘支持向量機及其應用.pdf
- 最小二乘支持向量機建模及預測控制算法研究.pdf
- 最小二乘支持向量回歸機算法及應用研究.pdf
- 基于最小二乘支持向量機改進算法的短期負荷預測.pdf
- DEM構建的加權最小二乘支持向量機抗差算法.pdf
- 基于最小二乘支持向量機的短期負荷預測
- 基于最小二乘支持向量機的磁滯建模.pdf
- 魯棒最小二乘支持向量機研究與應用.pdf
- 最小二乘支持向量機握釘力預測研究.pdf
評論
0/150
提交評論