基于W^1 2再生核支持向量机的模式分类研究

来源 :计算机工程 | 被引量 : 0次 | 上传用户:zwzwzrzr
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
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矛盾,引起了大家对模式识别领域的极大关注。近年来,支持向量机在手写体识别、人脸识别、文本分类等领域取得了很大的成功。文章将一种新的核函数用于虹膜识别,并与传统的多项式核函数、高斯核函数进行了比较。初步结果显示了该核函数的应用潜力。
其他文献
通过有机/无机复合的方法可以得到聚合物电解质膜燃料电池(PEMFCs)中用的纳米复合质子交换膜,膜的工作温度、保水能力、机械强度、抗渗透性能和薄膜的综合性能都有大幅度的提
介绍了一种改进的并行连接算法:Diag-Join算法,并将它运用到并行环境中.实验表明,Diag-Join算法在内存足够时可以取得最好的性能,即使在内存较小的情况下,仍能得到令人满意的
针对目前日益增长的互联网环境下多应用协同工作的系统运行模式,基于SAML标准统一信任与授权平台,结合PKI以及XML安全加密技术的运用,设计了一种安全、灵活的数据交换体系,为
乙炔在高频等离子体电弧中高温分解,连续批量合成炭黑烟炱.高分辨透射电镜(HRTEM)观察发现,炭黑粒子大小约为25nm,由无定形碳和结晶不完整的石墨碎片组成.采用紫外/可见吸收
分析了数据挖掘领域面临的性能问题(主要包括算法的有效性、可伸缩性和并行性);根据数据并行的思想,提出了在时序预测中并行训练神经网络的模型,以提高训练速度.这一模型具有