2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩49頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、傳統(tǒng)的模式識別方法在處理問題時通常需要建立準確的數(shù)學模型,而且在解決非線性問題時很難有好的表現(xiàn)。許多傳統(tǒng)統(tǒng)計學習方法都將基于樣本數(shù)目趨于無窮大時的漸近理論作為假設,這些方法在實際應用中,往往表現(xiàn)不盡人意。支持向量機在解決建立模型難,維數(shù)災難方面有很好表現(xiàn),并且存小樣本數(shù)據中有良好應用。正在成為繼模式識別和神經網絡研究之后機器學習領域新的研究熱點。 本文在統(tǒng)計學習理論基礎上深入探討了支持向量機算法及其在分類中的應用。分類實驗分三組

2、進行,選擇多項式和徑向基兩種核函數(shù)的支持向量機進行分類仿真實驗研究。 在分類實驗中,我們發(fā)現(xiàn)支持向量的數(shù)量遠遠小于樣本數(shù),這為我們解決大規(guī)模數(shù)據問題提供了方法。將訓練樣本集分解成若干個小子集,按順序對各子集逐個訓練學習,避免了大規(guī)模數(shù)據計算的麻煩。實驗中采用不同規(guī)模的訓練樣本集,從結果發(fā)現(xiàn)對于訓練樣本較少的數(shù)據集,采用結構簡單的學習函數(shù)會避免出現(xiàn)過學習現(xiàn)象;相反對于訓練樣本較多的數(shù)據集,采用結構簡單的學習函數(shù),會降低機器學習的推

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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論