论文部分内容阅读
本文将自适应遗传算法用于半监督支持向量机（S^3VMs）的训练，取得了令人满意的非线形分类效果，并将遗传算法与传统的最速下降法相结合能使分类精度进一步提高。
基于自适应遗传算法的半监督支持向量机学习法
【摘 要】
：
本文将自适应遗传算法用于半监督支持向量机（S^3VMs）的训练，取得了令人满意的非线形分类效果，并将遗传算法与传统的最速下降法相结合能使分类精度进一步提高。
【机 构】
：
安徽工业大学数理学院
【出 处】
：
内江科技
【发表日期】
：
2013年6期
【基金项目】
：
安徽工业大学研究生创新基金项目（2011042）
其他文献
对柬埔寨王国茅草田地区进行1:5万土壤地球化学测量，以及对该区内的元素分布特征、单元素异常特征、元素相关性分析和相关元素组合异常研究，确定了找矿把区；通过地表工程揭露，发
蒙古国塔木察格盆地南贝尔凹陷下白垩统塔Ⅱ油层组的主要岩石类型为岩屑长石砂岩和凝灰质砂岩,其储层物性、成岩作用特征与正常沉积岩相比具有独特性。应用偏光显微镜、扫描
针对目前复杂构造三维恢复过程中地质体产生空间位置变化的不确定性,采用三维原位恢复方法,以巴楚断隆S1构造为例,通过对比S1构造恢复过程中所选取的标准区域与样本区域在构