已閱讀1頁，還剩84頁未讀， 繼續(xù)免費閱讀
版權(quán)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(quán)，請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、本文重點介紹了最小最大模塊化支持向量機的組成原理，詳細(xì)說明了最小最大模塊化支持向量機的模塊分解和集成規(guī)則，并對其串行與并行訓(xùn)練時間復(fù)雜度進行了一定的分析。仿真實驗表明：最小最大模塊化支持向量機能夠在保證泛化能力的前提下，明顯提高訓(xùn)練速度，是一種行之有效的解決大規(guī)模模式分類問題的方法。最后，提出了一種新的處理多標(biāo)號文本分類問題的方法：對于一個K類多標(biāo)號問題，首先采用“一對其它”的問題分解方法將原問題分解為K個兩類問題；然后按照最小最大模塊
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(quán)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(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 最小最大模塊化支持向量機及其在文本分類中的應(yīng)用.pdf
- 并行化最小最大模塊化支持向量機及其在專利分類中的應(yīng)用.pdf
- 最小最大模塊化支持向量機數(shù)據(jù)劃分及其應(yīng)用研究.pdf
- 半監(jiān)督最小最大模塊化支持向量機研究.pdf
- 支持向量機研究及其在文本分類中的應(yīng)用.pdf
- 支持向量機分類方法及其在文本分類中的應(yīng)用研究.pdf
- 基于云平臺的最小最大模塊化支持向量機的研究.pdf
- 支持向量機在Web文本分類優(yōu)化中的應(yīng)用.pdf
- 支持向量機文本分類算法的研究及其應(yīng)用.pdf
- 多類文本分類的支持向量機網(wǎng)絡(luò).pdf
- 基于隨機子空間的最小最大模塊化支持向量機研究與實現(xiàn).pdf
- 支持向量機在專利文本分類中的應(yīng)用研究.pdf
- 基于支持向量機的多類文本分類研究.pdf
- 基于多類支持向量機的文本分類研究.pdf
- 支持向量機文本分類算法研究.pdf
- 基于支持向量機的文本分類研究.pdf
- 基于模糊支持向量機的多類文本分類方法研究.pdf
- 支持向量機理論在文本分類中的應(yīng)用研究.pdf
- 支持向量機及用于文本分類的研究.pdf
- 基于支持向量機的Web文本分類研究.pdf
評論
0/150
提交評論