已閱讀1頁，還剩58頁未讀， 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨機(jī)梯度下降方法（SGD）已被應(yīng)用于大規(guī)模支持向量機(jī)訓(xùn)練，隨機(jī)梯度下降方法在訓(xùn)練時(shí)采取隨機(jī)選點(diǎn)的方式，對(duì)于非均衡分類問題，必然導(dǎo)致多數(shù)類點(diǎn)被抽取到的概率要遠(yuǎn)遠(yuǎn)大于少數(shù)類點(diǎn)，這就造成了種種計(jì)算上的不平衡。
為了處理大規(guī)模非均衡數(shù)據(jù)分類問題，提出了加權(quán)隨機(jī)梯度下降的SVM在線算法，對(duì)于多數(shù)類中的樣例被賦予較小的權(quán)值，而少數(shù)類中的樣例被賦予較大的權(quán)值，然后利用加權(quán)隨機(jī)梯度下降算法對(duì)SVM原問題進(jìn)行求解，減少了超平面向少數(shù)類的偏移，較
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(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)頁內(nèi)容里面會(huì)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(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
- 基于改進(jìn)隨機(jī)梯度下降算法的SVM.pdf
- 隨機(jī)梯度下降和對(duì)偶坐標(biāo)下降算法的研究與應(yīng)用.pdf
- 18651.基于分段隨機(jī)擾動(dòng)幅值的隨機(jī)并行梯度下降算法研究
- 幾類具有充分下降性共軛梯度算法的研究.pdf
- 基于隨機(jī)子空間的SVM分類算法研究.pdf
- 基于欠采樣不均衡數(shù)據(jù)SVM算法與應(yīng)用.pdf
- 動(dòng)態(tài)存儲(chǔ)和在線學(xué)習(xí)的SVM算法.pdf
- 基于梯度下降和互補(bǔ)濾波的快速姿態(tài)解算算法研究.pdf
- 不均衡數(shù)據(jù)下基于SVM的分類算法研究與應(yīng)用.pdf
- 基于核空間預(yù)處理不均衡SVM算法及應(yīng)用研究.pdf
- 一類下降非線性共軛梯度法.pdf
- 輸出誤差模型最新估計(jì)的遞階隨機(jī)梯度辨識(shí)算法.pdf
- 具有充分下降性的非線性共軛梯度法.pdf
- 基于非增量SVM算法的小企業(yè)客戶評(píng)價(jià)模型研究.pdf
- 梯度拉延筋擬合下降型變壓邊力方法研究.pdf
- 廣義變分不等式及擬均衡問題的外梯度投影算法研究.pdf
- 基于路徑的Logit型隨機(jī)用戶均衡模型求解算法研究.pdf
- Pi-Sigma神經(jīng)網(wǎng)絡(luò)隨機(jī)輸入在線梯度法的收斂性.pdf
- 記憶梯度算法研究.pdf
- 多新息隨機(jī)梯度型辨識(shí)方法.pdf
評(píng)論
0/150
提交評(píng)論