分类间隔相关论文
随着金融科技的快速发展,传统银行业都在积极寻求智能化转型。存款业务是商业银行的主要负债业务,借助机器学习算法准确预测客户存......
作为最经典和最成功的机器学习算法之一，Boosting自问世以来就一直被很多学者所关注。Boosting是能提高任意给定的学习算法的准确率......
近年来,机器学习越来越受到各界人士的关注。然而,机器学习系统容易受到历史数据的影响,并对少数群体,弱势群体和历史上处于不利地......
在多标记学习的任务中,多标记学习中的每个样本是可以被多个类别所标记的,与单标记学习相比,多标记学习的应用空间会更广,且关注度......
本文提出了一种基于支持向量机思想的对任意距离空间求解最大分类间隔的方法,其优化问题可以用输入空间的距离来表示.首先我们将输......
针对影响交通事件的特征参数较多,参数之间有信息冗余,影响检测效率的问题,提出一种基于特征加权支持向量机的交通事件检测算法.影......
支持向量机是基于统计学习理论的模式分类器。它通过结构风险最小化准则和核函数方法，较好地解决了模式分类器复杂性和推广性之间的......
用支持向量机SVM进行分类时，针对在某些机器学习中，存在训练样本获取代价过大，且训练样本中类的数量不对称的问题，提出了基于主动学习......
多数据源高投票决策规则挖掘是指从多数据源中挖掘存在大部分数据源且具有重要意义的决策规则,此类规则在银行理财产品营销、市场......
根据统计学习理论,间隔大小是反映泛化能力的一个很重要的方面.受一类支持向量机（SVM）的启发,提出的双边界SVM能分别用2个边界对2类......
在多标记学习中,特征空间的高维性是多标记学习研究的主要问题。文章通过聚类构建由代表性样本组成新多标记数据,定义了多标记决策......
提出了一种最大向量夹角间隔MAMC分类方法,其核心思想是在样本特征空间中寻找一个尽可能靠近训练样本中心的向量c,进而强化更小的V......
结合Fisher判别分析和支持向量机的优点，提出了一种新的分类算法－Fisher—SV分类器（简称FSVC）。该分类器的核心思想就是寻找最优分类面......
特征选择是机器学习和模式识别领域的一个关键问题。文中详细分析研究一类基于K近邻分类间隔的特征选择算法，并着重讨论当K〉1时，特......
在文章中提出了一种基于支持向量机思想的对任意距离空间求解最大分类间隔的方法，其优化问题可以用输入空间的距离来表示。首先将输......
在多标记学习中,特征选择是解决多标记数据高维性的有效手段。每个标记对样本的可分性程度不同,这可能会为多标记学习提供一定的信......
针对岩石物理统计与波阻抗反演之间相对关系准确性、真实性不高等问题,采用支持向量机对岩石物理统计进行处理,得到真实和准确的数......
针对标记重要性不同,且这种不同可能会为多标记学习提供一定的信息,该文提出了基于标记重要性的多标记特征选择算法.该算法首先引......
在多标记学习的任务中,多标记学习的每个样本可被多个标签标记,比单标记学习的应用空间更广关注度更高,多标记学习可以利用关联性......
为了更有效地对电力业务系统安全接入过程中日渐增多的流量进行实时分类,提高电力系统的业务处理速度,提出了一种基于改进随机森林......
自动文摘是自然语言处理领域的一个重要研究话题,基于机器学习的自动文摘方法则是该项研究中的一个热点。然而,自动文摘问题中的数......
对于二类目标特征选择问题,首先讨论了特征空间的线性可分性问题,并给出了其判别条件;其次,通过借鉴支撑矢量机原理,分析了特征可......
在机器学习领域,随机森林是一种重要和常见的数据挖掘方法。随机森林不仅具有很高的分类性能,而且具有需要调整的参数较少、运算快......
