【摘 要】
：
支持向量机是一种新的学习机器,其以统计学习理论为基础,现已被广泛的应用于模式识别、回归及信号处理等领域,并且取得了良好的学习效果。本文以支持向量机理论为基础,提出了
论文部分内容阅读
支持向量机是一种新的学习机器,其以统计学习理论为基础,现已被广泛的应用于模式识别、回归及信号处理等领域,并且取得了良好的学习效果。本文以支持向量机理论为基础,提出了支持向量机反问题,即是如何将一个事例集分为两部分,才能使这两部分之间的间隔最大。间隔就是支持向量到分割超平面的距离。但是,对于一个事例集合,将其划分为两类,并使这两类间的间隔最大,并不是一件容易的事。在本文中我们使用遗传算法来解决此问题。本文给出了设计原理,计算与实现方法。并通过实例验证了这种算法的可行性与有效性。这种基于支持向量机反问题的划分方法可以成为决策树的一种新的启发式算法,使得决策树有较强的强泛化能力。
其他文献
本论文主要对再生核空间的有界线性算子的最佳逼近该方面的若干问题进行了讨论、研究。另外，对再生核空间的线性算子方程Au=f及非线性算子方程AuBu+Cu=f的解进行了讨论。
本文主要讨论了线性流形上中心对称矩阵的反问题。 在本文中我们首先求出了线性流形S中矩阵方程f2(A)=‖AX2-C1‖2+‖Y2A-C2‖2=0的最小二乘解(解A在线性流形S
本文首先研究了几乎相邻图G,我们有以下结论:对于一个几乎相邻图G,若它不包含价为1的顶点,则G的空间嵌入上的任意clasp-pass移动都可通过△-同伦来实现.作为推论,有:设f,g:G
本文提出了一个面向股市预测神经网络系统，并针对系统性能的改善进行了深入研究。 在对前馈神经网络的训练中，使用参数自适应方法实现了学习率、惯性因子的自我调节，以避免系
本文首先介绍了在局部凸空间中,对每个弱*条件列紧集上及弱*可数紧的子集上一致收敛的拓扑具有和弱拓扑相同的子级数收敛级数.给出了其在测度系统下的特例,并用基本矩阵定理
本论文以灰度图像中嵌入有意义的二值水印图像为研究对象，结合人类视觉系统HVS，在不引起图像明显降质的前提下，在小波分解域中实现水印的嵌入和提取。本论文的主要工作，是对L