基于边缘加权的模糊支持向量机体系
【摘要】：针对模糊分类问题,本文通过对支持向量机的边缘进行加权,得到了一个形式上整洁优美的模糊最大边缘算法,从而建立了完整的模糊支持向量机体系。与模糊神经元网络相比,本文的算法具有统计学习理论依据。大量的实验表明,本文的算法可获得比支持向量机更好的鲁棒性。
|
|
|
|
| 1 |
张汝雷;王保民;苏欣平;傅钰;;支持向量机(SVM)在机械故障诊断中的应用研究[J];军事交通学院学报;2009年03期 |
| 2 |
姚程宽;;SVM在不平衡样本集中的应用研究[J];计算机与数字工程;2007年10期 |
| 3 |
范秋凤;陈彦涛;;支持向量机及其应用研究[J];科技信息;2009年29期 |
| 4 |
谢长菊;;支持向量机新模型及其参数特性研究[J];计算机仿真;2010年04期 |
| 5 |
李卓,刘斌,刘铁男,朱秀华,魏坤;支持向量机及其在油田生产中的应用[J];大庆石油学院学报;2005年03期 |
| 6 |
张国宣,孔锐,施泽生,郭立;一种新的基于聚类的SVM迭代算法[J];仪器仪表学报;2004年S1期 |
| 7 |
李毅;徐守时;;基于支持向量机的遥感图像舰船目标识别方法[J];计算机仿真;2006年06期 |
| 8 |
邓蕊;马永军;刘尧猛;;基于改进交叉验证算法的支持向量机多类识别[J];天津科技大学学报;2007年02期 |
| 9 |
王书舟;伞冶;;支持向量机的训练算法综述[J];智能系统学报;2008年06期 |
| 10 |
林长方;;支持向量机及其应用研究[J];和田师范专科学校学报;2010年05期 |
| 11 |
孔波;郑喜英;;支持向量机多类分类方法研究[J];河南教育学院学报(自然科学版);2010年02期 |
| 12 |
张国宣,孔锐,施泽生,郭立,刘士建,薛明东;基于核聚类方法的多层次支持向量机分类树[J];控制与决策;2004年11期 |
| 13 |
杜新华;陈增强;袁著祉;;基于支持向量机函数逼近的性能研究[J];计算机工程;2006年08期 |
| 14 |
梁宏斌;严正俊;;基于支持向量机的模式识别方法[J];现代电子技术;2007年16期 |
| 15 |
赵洪波;;基于遗传算法的进化支持向量机研究[J];绍兴文理学院学报(自然科学版);2004年03期 |
| 16 |
杨斌;路游;;基于统计学习理论的支持向量机的分类方法[J];计算机技术与发展;2006年11期 |
| 17 |
宋杰;;支持向量机及其训练算法[J];韶关学院学报;2008年03期 |
| 18 |
江志钢;张春良;岳夏;;基于支持向量机的机床故障诊断研究[J];装备制造技术;2009年12期 |
| 19 |
杨旭,纪玉波,田雪;基于遗传算法的SVM参数选取[J];辽宁石油化工大学学报;2004年01期 |
| 20 |
奉国和;李拥军;朱思铭;;边界邻近支持向量机[J];计算机应用研究;2006年04期 |
|
手机打开
快捷付款方式
订购知网充值卡
订购热线
帮助中心