山西省回国留学人员科研经费资助项目(2003-04)
- 作品数:3 被引量:10H指数:2
- 相关作者:王文剑王平门昌骞更多>>
- 相关机构:山西大学山西警官高等专科学校更多>>
- 发文基金:山西省青年科技研究基金山西省回国留学人员科研经费资助项目国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于时序核函数的支持向量回归机被引量:4
- 2006年
- 为克服维数灾难和过拟合等传统算法所不可规避的问题,利用支持向量机(SupportVectorMachine,SVM)提出基于时序数据时间相关性的核函数修正选择方法,并以真实的二氧化硫(SO2)数据为实验数据验证该方法的有效性.实验结果表明采用时序核函数对测试数据集的拟合效果更好,并对模型泛化能力有一定的提高.
- 王平王文剑
- 关键词:支持向量机支持向量回归核函数时序数据
- 基于最佳逼近点的不变性常识与SVM的融合方法
- 2008年
- 不变性常识与支持向量机的融合技术是近年来支持向量机研究的重点之一,将不变性常识融合于学习模型,有助于提高模型的泛化能力。提出了一种新的不变性常识与支持向量机的融合方法,该方法通过最佳逼近点来代表不变性变换形成的轨迹簇将不变性常识融合于SVM。将该方法应用于MNIST手写数字数据库,与经典SVM方法及Virtual SV(VSV)方法的对比实验结果表明,该方法可以提高SVM的泛化能力。
- 王平王文剑
- 关键词:支持向量机
- 基于凸包估计的核参数选择方法被引量:7
- 2006年
- 核及相关参数的选择是支撑向量机(support vector machine,SVM)研究中的核心问题之一。基于统计学习理论,提出一种通过角度切割样本集求解训练样本的近似凸包来进行最优核参数选择的方法。该方法可以克服传统的基于求解优化问题的方法所具有的计算复杂度高的缺点,且无论数据是否稠密,分布是否均匀都可适用。数值实验说明了提出的方法可行性与有效性。
- 门昌骞王文剑
- 关键词:支撑向量机参数选择高斯核