1) clustering support vector machine
聚类支持向量机
1.
Gas leakage detection based on clustering support vector machine;
基于聚类支持向量机的气体泄漏检测
2) Support vector clustering
支持向量聚类
1.
According to the idea of statistics learning theory,a segment clustering radar signal sorting method is presented based on cascade coupling and support vector clustering(SVC).
根据统计学习理论的思想,提出了一种基于支持向量聚类和级联互耦的分段聚类雷达信号分选方法,该方法克服了容差问题对雷达信号分选的影响。
2.
This paper improves the traditional support vector clustering algorithm during the cluster assignment phase,using support v.
支持向量聚类是基于支持向量机和核方法的一种新颖的聚类方法。
3.
Support Vector Clustering is one kind of kernel-based unsupervised clustering method, proposed by Ben-Hur in 2001.
本文提出了一种基于k-均值的支持向量聚类算法(Support Vector Clustering based on K-means, SVC-KM)。
3) support vector clustering(SVC)
支持向量聚类
1.
Rough set was applied to clustering method in view of soft kernel of support vector clustering(SVC).
针对支持向量聚类(Support Vector Clustering,SVC)的软核,引入了粗糙集的理论。
2.
The Support Vector Clustering(SVC) algorithm is introduced to get the number of the pinnacles in the result of the time-frequency analysis and Radon transform of the multi-component Linear FM(LFM) signal,and to finish the detection of the components of the LFM signal.
为了精确获取多分量线性调频(Linear FM,LFM)信号中分量的数量,该文引入支持向量聚类(Support Vector Clustering,SVC)算法对LFM信号的Radon-时频分析结果进行聚类分析,完成多个分量的检测;并通过减少SVC算法中输入集样本数量和改进聚类标识方法为"直接聚类标识"法,提高了SVC算法的计算效率。
3.
The paper presents an image denoising method based on Support Vector Clustering(SVC) aiming at salt and pepper noise.
在后两类中根据灰度值不同迭代使用支持向量聚类确定出噪声点的位置,并对其进行多窗口滤波。
4) SVC
支持向量聚类
1.
The support vector clustering(SVC)algorithm was introduced to detect linear modulation frequency(LFM) signal and estimate its parameter.
文中引入支持向量聚类(SVC)算法对多分量LFM信号进行检测和参数估计。
2.
First it discusses the theory of Support Vector Clustering(SVC) and cluster to the effective single with SVC theory,then it defines the association degree of multi feature,finally estimated the target status by compounded data association.
提出了"无源跟踪中的一种新数据关联算法",先对支持向量聚类理论进行了讨论,用该理论对采样到的观测点进行分类,后定义了多特征的关联度计算问题,并用综合数据关联的方法对目标进行状态估计。
5) multiclass SVM
多类支持向量机
1.
In this paper,a method of decision fusion based on multiclass SVM and D-S evidential theory is presented to try to solve the problem,multiclass SVM is used as the local classifier, and the BPAF is constructed accordingly,then the primary results are fused to obtain the ultima result using D-S evidential theory.
本文提出了一种基于多类支持向量机和D-S证据理论的决策融合算法,将多类支持向量机作为局部判决器,构造了相应的基本概率赋值函数,然后用D-S证据理论对各初步判决结果进行融合,得出对目标的最终识别结论。
6) support vector classification
支持向量分类机
1.
Strong second order sufficient condition property of linear support vector classification is proposed.
很弱的假设对于作为其特例的线性可分支持向量机问题一定成立,线性可分支持向量机问题解一定具有强二阶充分条件的性质;在这个假设条件下,线性支持向量分类机问题的解具有二阶充分条件性质。
补充资料：支持向量机方法
支持向量机(SVM)是90年代中期发展起来的基于统计学习理论的一种机器学习方法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。支持向量机算法是一个凸二次优化问题,能够保证找到的极值解就是全局最优解，是神经网络领域域取得的一项重大突破。与神经网络相比，它的优点是训练算法中不存在局部极小值问题，可以自动设计模型复杂度(例如隐层节点数)，不存在维数灾难问题，泛化能力强。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条