1) sphere-structured support vector machines
球形支持向量机
1.
The sphere-structured support vector machines algorithm is one of the learning methods.
球形支持向量机是一种学习算法,它通过在高维特征空间中,对每一个模式类别构造一个覆盖其所有训练样本的具有最小体积的超球体,来实现对训练样本空间的划分。
2) hyper-sphere support vector machine
超球支持向量机
1.
Hypertext classification based on weighted hyper-sphere support vector machine algorithm
基于加权超球支持向量机算法的超文本分类研究
3) fuzzy hypersphere support vector machine
模糊超球面支持向量机
1.
In this paper,a fuzzy hypersphere support vector machine(FHS-SVM) landmine detector was proposed.
本文提出了模糊超球面支持向量机(FHS-SVM)地雷检测器。
4) Hyper-sphere one-class SVM
超球体One-class支持向量机
5) hypersphere support vector machine algorithm
超球面支持向量机算法
6) Hyper Ellipsoidal Support Vector Machine
超椭球面支持向量机
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