基于支持向量的分层并行筛选训练样本方法

来源:互联网 编辑:王志 手机版

维普资讯 http://www.cqvip.com

因转码可能存在排版等问题,敬请谅解!以下文字仅供您参考:

维普资讯 http://www.cqvip.com 第3 卷  第 2 期  2 1 VL2 o3  ? 计 算 机 工 程  20 年 l 月 06 1  No e b r2 0   v m e  0 6 No.   2J Co p t rEn i e r n   m u e   gn e ig 人工智能及识别技术 ?   文章 号t o - 4 ( 0 2   7   编   o 3 8 0 )— l — 1  22 6l 7 文 标 码:   献 识 A 中 分 号 TI 围 类 : P  8 基于 支持 向量 的分层并行 筛选训 练样 本 方法  文益民  ( 湖南工业职业技术学 院信息 工程 系,长 沙 4 0 0 ) l0 7  摘 要: 基于 支持 向量能 够代表训练集分 类特征 的特 点,该 义提出了一种 基于 支持向最的分层 并行筛选训练样本的机器学 .方法 。

该方法  9 - 按照分而 治之的思想将原 分类问题分解成若干子问题 , 将训 练样 本的筛选过程 分解成级联 的 2个层 次。

辞层采川并行方法提取 各训练集中  的支持 向量,这些被提取 的支持 向量将作为 下一层 的训练样 本,各层训练集 『的非支持 向最通过学 习被逐步筛选掉 。

为 r I | 保证 『题的一敏  口 J 性 ,引入 了交叉合并规则 ,仿真实验结果表 明该方法在保证分类器推广能  的情 况 F。

缩短了支持 向量机的训练 时间,减少了支持向 晕的  数 目。

  关健词 : 分而治之 ;

训练样 本筛选 ;

支持 向量机 ;

交叉合并规则  M e h d f rFl te   n   a a ll r i n   a p e   t o  o   a t d a d P r l   a ni g S m l s eT S l c i n Ba e   n S p o t c o s ee t   s d o   u p r   t r   o Ve W E  Yi l m n  ( pr n fnomainE gn eig Hu a  d syP ltcnc Chn s a 10)) De at t   fr t   n ier , n nI ut  oyeh i, agh  0 (   me o I o n n r 4 7 [ src ]I re   a delresaecasf ainpo lms ti p prpee t ama hn erigmeh dfrheac i l  n  aall Abta t nodrt hn l ag —cl l ic t   rbe ,hs a e rsns   c iel nn  to  o  i rhc l a dprl   o     si o     a r ay e ta n n   a l ss lc i n b s d o  h   h r c e itc   fs p o t e t r  h t e r s n h   l s ii a i n i f r a i n o  r i i g d t . n t sme h d  r i i g s mp e   e e t , a e   n t ec a a t rs iso  u p r  c o st a  p e e t ec a sfc to  n o m to   f a n n   a a I hi o v r t t   to , a c r n  o t ep icpe ofd vd   n   o q e,te o ii a lsiiain p o lm sdvd d i t  e ea  mal u — o lms te h t h   c odig t h   rn il    ii ea d c n u r h   rg n l asf t   r be i iie   no s v r ls l  c c o    s bprbe .Af rta,te ta n n   r c d r  ss p r td i t     a c d   h s s I   a h p a e a l ft e s b pr b e   r   r c s e , h i u p r  e t r  r   x r c e   n   r i i g p o e u e i  e a a e   n o t c s a e p a e . n e c   h s , l o  h   u — o l msa ep o e s d t e rs p o tv c o sa c e t a t d a d wo   S  h   o —u p r-e tr  r  iee   u  tp b   tp n ode o k e  hec n itn y   r s— re  rn il si t du e O te n n s p o tv cos ae fl r d o tse   y se .I  r rt  e p t   o sse c ,ac o smeg rp icpe i nr c d.Th   i lt n t o e smuai   o rs l   d c t t a te to   ed   pt i igwhl manann   eg n r l ai nac rc   t u p r v co  c ie( VMs, n   d c s h   e ut i i e h t h   h d s e s   ann   i   itiigt  e e ai t  c u a yo  p o t e tr s n a     me p u r e h z o s   ma h n sS )a dr u e  e e t n mb r f u p r v co s S ) u e    p o t e t r ( Vs os     [

基于支持向量机的并行CT图像分割方法.doc

基于支持向量机的并行CT图像分割方法_生物学_自然科学_专业资料 暂无评价|0人阅读|0次下载 基于支持向量机的并行CT图像分割方法_生物学_自然科学_专业资料。龙源......[本文更多相关]

训练样本采集与处理.doc

训练样本采集与处理 - 沈阳理工大学数字图像处理课程设计 摘要 支持向量机是统计学习方法,正成为当今研究的热点。支持向量机在模式识别 和文本分类等方面获得了极大......[本文更多相关]

基于并行计算的支持向量机加速算法.doc

基于并行计算的支持向量机加速算法 - 基于并行计算的支持向量机加速算法 摘要:针对传统支持向量机(support vector machine,svm) 方法不能有效处理海量数据分类的问题,......[本文更多相关]

基于支持向量机的遥感影像分类研究.doc

基于支持向量机的遥感影像分类研究_数学_自然科学_...支持向 量机作为一种新的更有效的统计学习方法,...选取训练样本进行训练,使用一对多分类器划分五类,......[本文更多相关]

一种基于支持向量机的三维物体识别方法_图文.doc

一种基于支持向量机的三维物体识别方法 - 第 23 卷 第4期 电子测量与仪器学...[本文更多相关]

基于支持向量机的结构损伤识别研究.doc

该文提出了基于支持向量机的结构损伤识别方法:以归一的频率变化比 (NFCR)和归一的损伤指标(NDSI)作为特征参数,训练支持向量机进行损伤识别。用一个 12 层 钢混......[本文更多相关]

基于支持向量机的机械故障诊断.doc

这种诊断方法的显著优点是只需要少量的时域 故障数据样本来训练故障分类器,不必...10 多项式函数 Sigmoid 函数 基础上的改进算法:纠错编码支持向量机、层次支 持......[本文更多相关]

基于支持向量机的相关滤波目标跟踪算法 (2)_图文.doc

基于支持向量机的相关滤波目标跟踪算法 (2)_数学_...实验结果表明,该方法与其他优秀跟踪算法比较跟踪精度...正负样本, 训练的分类器只是取置信值最大的点作为......[本文更多相关]

基于支持向量机的回归预测和异常数据检测(精).doc

基于支持向量机的回归预测和异常数据检测(精)_职业技术培训_职业教育_教育专区。...为了验证基于 SVR 的异常数据检测方法,在 所有训练样本(主蒸汽流量)中加入故障......[本文更多相关]

并行支持向量机.doc

并行支持向量机_数学_自然科学_专业资料。龙源期刊网 http://www.qikan.com.cn...小样本、非线性及高维模式识别问题有许多优势,但在解决大规模数据时,训练速 度......[本文更多相关]

基于支持向量机的网络流量分类方法.doc

基于支持向量机的网络流量分类方法 - 龙源期刊网 http://www.qikan.com.cn 基于支持向量机的网络流量分类方法 作者:龚垒 王一帆 来源:《电子技术与软件工程》......[本文更多相关]

基于多分类支持向量机的图像分割数据分析报告.doc

[probColumnCount+1];//筛选过的向量 j=0; for(i=1;i<20 && j<prob...运行 test1.exe,先点击文件菜单下的“训练样本”项,在对话框的上方选择 需要......[本文更多相关]

基于支持向量机的复合材料力学性能预测(终稿).doc

基于支持向量机的复合材料力学性能预测蔡秋茹,汤嘉立...神经网络的非线性映射特性、信息的分布存储、并行处理...其余25组数据作为训练样本,并对全部数据进行仿真预报......[本文更多相关]

基于支持向量机的营销风险预测分析.doc

采用时差相关分析方法对指标进行筛选, 可 以利用相关系数验证经济时间序列先行、 ...利用支持向量机进行市场营销风险预测分析, 根据有限的训练样本, 建立了非线性映射......[本文更多相关]

基于支持向量机的非结构化道路检测_图文.doc

基于支持向量机的非结构化道路检测王晓彬 1 马戎 1...(ROI) 分割方法和支持向量机 (SVM) 分类算法相 ...信息和非道路像素信息作为训练样本; (2) 将样本均......[本文更多相关]

基于支持向量机的声纹识别.doc

支持 向量机是一种基于统计的新型机器学习方法, ...基本作法是在样本训练集基 础上确定某个判决规则, ...我们会筛选出您提出的宝贵建议和吐槽,及时优化产品,......[本文更多相关]

基于支持向量机的数据分类器技术研究.doc

基于支持向量机的数据分类器技术研究_计算机软件及应用_IT/计算机_专业资料。龙源...空 心点和实心点分别代表两类训练样本,中间的实线为把两类正确分开的分类线,......[本文更多相关]

基于改进支持向量机的电能质量扰动分类.doc

基于改进支持向量机的电能质量扰动分类 摘要: 对近年...其优势是使用小样本即可完成网络 训练,能够实现非...[10] 李欣.电力系统过电压分层模式识别及其应用研究......[本文更多相关]

PSVM并行支持向量机.doc

PSVM:并行 SVM : 摘要支持向量机 (SVM) 有着很强大的功能, 在数据挖掘领域得到了很广泛的应用。 SVM 但 同样也存在一些问题,其中很显著的一点就是当训练样本......[本文更多相关]

开题报告基于支持向量机的说话人识别系统径向基核函数....doc

开题报告基于支持向量机的说话人识别系统径向基核函数算法研究及参数优化_建筑/...征空间中现行可分的训练样本,是核函数在支持向量机方法的关键而我们用到的则是......[本文更多相关]

基于支持向量机的地表水环境质量分类模型.txt

基于支持向量机的地表水环境质量分类模型 摘要: 建立...同时剩下的k-1组子集样本作为训练集,得到k个模型...自然界演化法则而生成的一种并行随机搜索最优化方法......[本文更多相关]

基于分层聚类及重采样的大规模数据分类.txt

基于分层聚类及重采样的大规模数据分类 - 合起来,提出了一种基于分层聚类和重采样技术的支持向量机(SVM)分类方法。该方法首先利用无监督学习算法中的kmeans聚类分析......[本文更多相关]

基于支持向量机的车牌定位方法.txt

基于支持向量机的车牌定位方法 1 引言 智能交通系统是一个热点研究领域,受到日益...主要思想就是一些负样本(非牌照)是在训练中获得而不是在训练以前,具体实现步骤......[本文更多相关]

毕业论文:基于支持向量机的蘑菇毒性检测系统(终稿).txt

H1、H2上的训练样本点就称作支持向量(蒋琳琼,2007...(gamma))的CV准确性 并行网格搜索 把工作分离到一...逐一试值?当然最好还是让电脑进行赋值并筛选出最好......[本文更多相关]

[基于支持向量的分层并行筛选训练样本方法]相关文章:

  • 一种基于支持向量机的并行训练策略
  • 一种基于支持向量机的并行训练策略
  • 基于支持向量机的并行学习方法研究
  • 基于支持向量机的并行学习方法研究
  • 一种结合训练样本筛选的SVM图像分割方法
  • 一种结合训练样本筛选的SVM图像分割方法
  • 改进的不均衡样本集支持向量机预处理方法
  • 改进的不均衡样本集支持向量机预处理方法
  • 基于核鉴别共同矢量的小样本脸像鉴别方法
  • 基于核鉴别共同矢量的小样本脸像鉴别方法
  • 适用于不平衡样本数据处理的支持向量机方法
  • 适用于不平衡样本数据处理的支持向量机方法
  • 基于判别公共向量的单训练样本人脸识别
  • 基于判别公共向量的单训练样本人脸识别
  • 支持向量机的一种改进的样本简约方法
  • 支持向量机的一种改进的样本简约方法
  • 用样本密度法解决支持向量机拒识区域
  • 用样本密度法解决支持向量机拒识区域
  • 大规模数据集下支持向量机训练样本的缩减策略
  • 大规模数据集下支持向量机训练样本的缩减策略
  • 基于支持向量的分层并行筛选训练样本方法相关搜索
    最新推荐
    热门推荐
    <上页热点Q热点106 114下页下页社会娱乐体育军事汽车财经科技育儿历史美食数码时尚宠物收藏家居心理文化三农健康科学游戏动漫教育职场旅游电影国际 知识100106 114 52 107 115 55 120 57 100z48 100z100 100z106 100z114 100z52 100z107 100z115 100z55 100z120 100z57 106z48 106z100 106z106 106z114 106z52 106z107 106z115 106z55 106z120 106z57 114z48 114z100 114z106 114z114 114z52 114z107 114z115 114z55 114z120 114z57 52z48 52z100 52z106 52z114 52z52 52z107 52z115 52z55 52z120 52z57 107z48 107z100 107z106 107z114 107z52 107z107 107z115 107z55 107z120 107z57 115z48 115z100 115z106 115z114 115z52 115z107 115z115 115z55 115z120 115z57 55z48 55z100 55z106 55z114 55z52 55z107 55z115 55z55 55z120 55z57 120z48 120z100 120z106 120z114 120z52 120z107 120z115 120z55 120z120 120z57 57z48 57z100 57z106 57z114 57z52 57z107 57z115suiji 106 114 52 107 115 55 120 57 100g48 100g100 100g106 100g114 100g52 100g107 100g115 100g55 100g120 100g57 106g48 106g100 106g106 106g114 106g52 106g107 106g115 106g55 106g120 106g57 114g48 114g100 114g106 114g114 114g52 114g107 114g115 114g55 114g120 114g57 52g48 52g100 52g106 52g114 52g52 52g107 52g115 52g55 52g120 52g57 107g48 107g100 107g106 107g114 107g52 107g107 107g115 107g55 107g120 107g57 115g48 115g100 115g106 115g114 115g52 115g107 115g115 115g55 115g120 115g57 55g48 55g100 55g106 55g114 55g52 55g107 55g115 55g55 55g120 55g57 120g48 120g100 120g106 120g114 120g52 120g107 120g115 120g55 120g120 120g57 57g48 57g100 57g106 57g114 57g52 57g107 57g115 57g55 57g120 57g57 100g48g48 100g48g100... 1000000new106 new114 new52 new107 new115 new55 new120 new57 new100g48 new100g100 new100g106 new100g114 new100g52 new100g107 new100g115 new100g55 new100g120 new100g57 new106g48 new106g100 new106g106 new106g114 new106g52 new106g107 new106g115 new106g55 new106g120 new106g57 new114g48 new114g100 new114g106 new114g114 new114g52 new114g107 new114g115 new114g55 new114g120 new114g57 new52g48 new52g100 new52g106 new52g114 new52g52 new52g107 new52g115 new52g55 new52g120 new52g57 new107g48 new107g100 new107g106 new107g114 new107g52 new107g107 new107g115 new107g55 new107g120 new107g57 new115g48 new115g100 new115g106 new115g114 new115g52 new115g107 new115g115 new115g55 new115g120 new115g57 new55g48 new55g100 new55g106 new55g114 new55g52 new55g107 new55g115 new55g55 new55g120 new55g57 new120g48 new120g100 new120g106 new120g114 new120g52 new120g107 new120g115 new120g55 new120g120 new120g57 new57g48 new57g100 new57g106 new57g114 new57g52 new57g107 new57g115 new57g55 new57g120 new57g57 new100g48g48 new100g48g100 下页>... new100g48g48g48g48g48g48g48top106 top114 top52 top107 top115 top55 top120 top57 top100g48 top100g100 top100g106 top100g114 top100g52 top100g107 top100g115 top100g55 top100g120 top100g57 top106g48 top106g100 top106g106 top106g114 top106g52 top106g107 top106g115 top106g55 top106g120 top106g57 top114g48 top114g100 top114g106 top114g114 top114g52 top114g107 top114g115 top114g55 top114g120 top114g57 top52g48 top52g100 top52g106 top52g114 top52g52 top52g107 top52g115 top52g55 top52g120 top52g57 top107g48 top107g100 top107g106 top107g114 top107g52 top107g107 top107g115 top107g55 top107g120 top107g57 top115g48 top115g100 top115g106 top115g114 top115g52 top115g107 top115g115 top115g55 top115g120 top115g57 top55g48 top55g100 top55g106 top55g114 top55g52 top55g107 top55g115 top55g55 top55g120 top55g57 top120g48 top120g100 top120g106 top120g114 top120g52 top120g107 top120g115 top120g55 top120g120 top120g57 top57g48 top57g100 top57g106 top57g114 top57g52 top57g107 top57g115 top57g55 top57g120 top57g57 top100g48g48 top100g48g100幼儿教育小学教育初中教育高中教育高等教育教学研究外语学习资格考试/认证成人教育职业教育IT/计算机经管营销医药卫生自然科学农林牧渔人文社科工程科技PPT模板PPT制作技巧求职/职场计划/解决方案总结/汇报党团工作工作范文表格/模板法律文书饮食游戏体育/运动音乐旅游购物娱乐时尚美容化妆家具家电社会民生影视/动漫保健养生随笔摄影摄像幽默滑稽人文社科法律资料军事/政治广告/传媒设计/艺术教育学/心理学社会学文化/宗教哲学/历史文学研究经管营销人力资源管理财务管理生产/经营管理企业管理公共/行政管理销售/营销金融/投资经济/市场工程科技信息与通信电子/电路建筑/土木城乡/园林规划环境/食品科学电力/水利交通运输能源/化工机械/仪表冶金/矿山/地质纺织/轻工业材料科学兵器/核科学IT/计算机互联网电脑基础知识软件及应用硬件及网络自然科学数学物理化学生物学天文/地理医药卫生临床医学基础医学预防医学中医中药药学农林牧渔农学林学畜牧兽医水产渔业求职/职场简历封面/模板求职/面试职业规划自我管理与提升计划/解决方案学习计划工作计划解决方案商业计划营销/活动策划总结/汇报学习总结实习总结工作总结/汇报党团工作入党/转正申请思想汇报/心得体会党团建设工作范文制度/规范演讲/主持行政公文表格/模板合同协议书信模板 表格类模板饮食游戏体育/运动音乐旅游购物娱乐时尚美容化妆影视/动漫保健养生随笔幽默滑稽幼儿教育幼儿读物少儿英语唐诗宋词育儿理论经验育儿知识家庭教育小学教育小升初学科竞赛其它课程 初中教育中考科学学科竞赛其它课程高中教育学科竞赛其它课程职业教育中职中专职高对口职业技术培训 其他成人教育成人考试电大自考专升本远程、网络教育高等教育理学工学经济学管理学文学哲学历史学法学教育学农业医学军事艺术研究生入学考试院校资料其它