已閱讀1頁(yè),還剩60頁(yè)未讀, 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、考慮到對(duì)噪聲樣本敏感是SVM的固有特性,為了加快算法的訓(xùn)練速度,同時(shí)不降低學(xué)習(xí)機(jī)的推廣能力,該文提出了一種基于分組聚類的訓(xùn)練算法.其主要想法是:首先把原訓(xùn)練樣本隨機(jī)分成多個(gè)互不相交的子集;然后在每個(gè)子集中進(jìn)行k-均值聚類,得到多個(gè)類中心;最后把得到的類中心作為新的訓(xùn)練樣本進(jìn)行SVM訓(xùn)練.由于這些類中心很好地表示了原訓(xùn)練樣本的特征,可以說(shuō)該方法不會(huì)降低學(xué)習(xí)機(jī)的推廣能力.從理論上,該文分析了算法的復(fù)雜度,保證了所提出的算法比不聚類的算法快.
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于最大間隔聚類算法的SVM反問(wèn)題研究.pdf
- 基于One-class SVM的多球體文本聚類算法研究.pdf
- 基于隨機(jī)化聚類算法的掃描時(shí)鐘分組方法.pdf
- 基于GPU并行聚類的加密分組密碼算法的研究及實(shí)現(xiàn).pdf
- 基于層次聚類的模糊聚類算法的研究.pdf
- 基于SVM的K-means聚類算法在WSN入侵檢測(cè)中的應(yīng)用.pdf
- 基于力學(xué)的聚類算法.pdf
- 基于譜聚類的文本聚類算法研究.pdf
- 改進(jìn)的KFCM聚類算法及其在分治SVM中的應(yīng)用.pdf
- 基于熵聚類的RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法研究.pdf
- 基于微粒群算法的聚類算法.pdf
- 基于聚類和SVM主動(dòng)反饋的圖像檢索方法.pdf
- 基于AUC的SVM多類分類算法的優(yōu)化.pdf
- 基于FCM的類合并聚類算法研究.pdf
- 基于覆蓋的聚類算法研究.pdf
- 基于層次的模糊聚類算法.pdf
- 聚類算法及基于簇模式聚類集成研究.pdf
- 改進(jìn)SVM快速訓(xùn)練算法.pdf
- 基于類電磁機(jī)制的聚類算法研究
- 基于網(wǎng)格的并行聚類算法及數(shù)據(jù)流聚類算法研究.pdf
評(píng)論
0/150
提交評(píng)論