下载 >  开发技术 >  其它 > 支持向量机训练算法的研究与优化

支持向量机训练算法的研究与优化 评分:

很不错的资料 关于支持向量机算法方面的论文 很有参考的价值
2010-03-21 上传大小:3.92MB
分享
收藏 举报
粒子群算法支持向量结合

通过将粒子群算法也支持向量机结合,使用支持粒子群算法优化支持向量机参数,并训练支持向量机

立即下载
人脸识别分类中常用方法——支持向量算法综述

首先介绍了支持向量杌的理论基础,随后引入支持向量机的概念、几何解释和基本公式,讨论比较了近 几年出现的主要的几种支持向量机的训练算法,在上述算法的基础之上重点研究了当前比较先进的算法——改进的 SMO算法,最后概述了支持向量机的研究现状和发展前景。

立即下载
基于支持向量的数据挖掘研究

分析NPA 训练算法,指出其不足并提出改进措施。在第1类子循环的前半阶段采用Gilbert迭代,后半阶段采用NPA迭代,并提出界定这2个阶段的方法,利用中间计算结果优化了第2类子循环中的迭代过程。在不增加计算量的条件下,提高了算法收敛速度。基于该算法开发的自动分类模拟系统获得了较好的分类结果。

立即下载
基于粒子群优化的最小二乘支持向量

基于粒子群优化的最小二乘支持向量机

立即下载
支持向量回归smo的matlab实现 附带测试训练数据 效果图

支持向量机最初是作为分类模型出现的,特别是对于二分类模型有很好的表现。如果将支持向量机改装成支持向量回归机,将达到比线性回归或其他回归模型更加优秀的效果,而且不需要假设目标函数是优秀的回归模型。支持向量回归的求解仿照支持向量分类机。

立即下载
支持向量与神经网络的区别

二者在形式上有几分相似,但实际上有很大不同。 简而言之,神经网络是个“黑匣子”,优化目标是基于经验风险最小化,易陷入局部最优,训练结果不太稳定,一般需要大样本; 而支持向量机有严格的理论和数学基础,基于结构风险最小化原则, 泛化能力优于前者,算法具有全局最优性, 是针对小样本统计的理论。 目前来看,虽然二者均为机器学习领域非常流行的方法,但后者在很多方面的应用一般都优于前者。 神经网络是基于传统统计学的基础上的.传统统计学研究的内容是样本无穷大时的渐进理论,即当样本数据趋于无穷多时的统计性质,而实际问题中样本数据往往是有限的.因此,假设样本数据无穷多,并以此推导出的各种算法很难在样本数据有

立即下载
基于GPU的并行支持向量的设计与实现

1.在综述了当前高性能计算领域热门技术的基础上,选择GPU作为并行支持向量 机的实现工具。在GPU编程方法方面,选择了OpenCL作为具体的代码实现技术,并搭 建了GPU计算的实验平台和基于VisualStudio2010的OpenCL的开发环境。 2.介绍了支持向量机理论的基本原理及其数学模型,引出了SMO训练算法并对其 进行了详细的说明。研究了LibSVM的使用方法,并在之前搭建的两个平台上做了实验 仿真,以用来作为参照基准。 3.根据SVM训练和预测算法中的并行点,提出了用于多类分类器的并行支持向量 机算法。通过分别对SVM训练算法、预测算法和涉及的矩阵运算分别采用并行运算, 提高了多核

立即下载
matlab编程实现支持向量的多分类

采用matlab自带的支持向量机分类函数实现支持向量机的多分类

立即下载
最小二乘支持向量LSSVM

介绍了作为支持向量机(SVM)理论基础的统计学习理论和SVM的原理,推导了SVM回归模型;本文采用最小二乘支持向量机(LSSVM)模型,根据浙江台州某地区的历史负荷数据和气象数据,分析影响预测的各种因素,总结了负荷变化的规律性,对历史负荷数据中的“异常数据”进行修正,对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响,而目前依然是基于经验的办法解决。对此,本文采用粒子群优化算法对模型参数进行寻优,以测试集误差作为判决依据,实现模型参数的优化选择,使得预测精度有所提高。实际算例表明,本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。

立即下载
最小二乘支持向量matlab程序+使用教程

最小二乘支持向量机matlab源代码,内有详细使用教程,非常易学,使用也很快,结果精度也较高,毕业论文就全靠它

立即下载
最小二乘支持向量MATLAB程序,可分多类

该代码可用于进行最小二乘支持向量机的训练数据,分类,有demo数据,可直接运行

立即下载
BP神经网络、ELM极限学习、SVM支持向量MATLAB代码,以及测试数据,用于回归预测

BP神经网络、ELM极限学习机、SVM支持向量机MATLAB代码,以及测试数据,用于回归预测

立即下载
汉(英)基于蚁群优化支持向量回归的燃煤电站锅炉NOx排放建模

从实际电厂的燃烧建模,训练和验证SVR模型以及两个神经网络模型。此外,提出了一种基于蚁群优化算法的广义参数C和高斯核参数G的选取方法,重点研究了SVR模型的预测精度和时间响应特性。结果表明,ACO优化算法能够自动获得SVR模型的最优参数C和G,具有很高的预测精度。通过与BPNN模型比较,SVR模型预测的NOx排放量与实测值吻合较好,与GRNN模型估计的NOx排放量相当。建立最优SVR模型的时间响应为分钟尺度,适用于燃煤电站锅炉NOx排放在线实时建模。

立即下载
论文研究-训练支持向量的四重序列解析优化算法.pdf

论文研究-训练支持向量机的四重序列解析优化算法.pdf,  为了提高训练支持向量机的序列最小优化算法的学习性能, 依据 在每次迭代中选取多个变量同时优化可能会减少迭代次数和缩短训练时间的这一想法, 提出了一个训练支持向量机的快速算法-四重序列解析优化方法, 并给出了一个重要定理, 使得相应的子问题有解析解, 从而能够更加精确和快速地逼近最优解. 在两个公共数据集上的仿真结果表明: 该方法比其

立即下载
svm_序列最小优化算法

这是一个用序列最小优化算法进行训练得到的支持向量机实现代码。

立即下载
算法竞赛入门经典训练指南高清

括计算理论中的NP完全理论和图灵机的基本概念、数据结构中的伸展树、Treap,左偏树、二项堆、Fibonacci堆、数论中的指数和原根、分解因数的快速算法、数值计算中的高斯消元法和FFT、组合游戏论初步、更多序列经典问题和线段树、后缀数组等数据结构的应用、树更多经典问题、多模式串匹配算法、后缀树构造的Ukkonen算法、后缀数组构造的Skew算法、更加详细的强连通分量/双连通分量算法、最大流和最小费用流算法、二分图和任意图的最大基数匹配算法和最大权匹配算法、稳定婚姻问题、线性规划在网络优化中的作用、向量代数基础、多边形剖分算法、平面剖分、半平面交、三维凸包、Voronoi图和直线排列的构造算法

立即下载
算法竞赛入门经典训练指南 刘汝佳 PDF格式 文字版 有书签目录

算法竞赛入门经典训练指南 刘汝佳 PDF格式 文字版 有书签目录 本书是《算法艺术与信息学竞赛》的学习指导。所谓学习指导,是告诉读者学什 么,如何学。算法包罗万象,很难在一本书中的篇幅覆盖很多内容的通知对每个知识 点进行细致讲解,因此本书更多的是作为一本导引、工具书、手册或者学习大纲,给 读者以宏观上的学习指导。和原书《算法艺术与信息学竞赛》相比,本书的特点有: ² 大量知识讲解。 ² 更多循序渐进的习题。 ² 重要算法的源代码。 从知识结构上看,本书的覆盖面比原书更广,补充了原书没有涉及到在知识点, 包括计算理论中的NP完全理论和图灵机的基本概念、数据结构中的伸展树、Treap,左 偏树、二

立即下载
支持OpenCL的GPU加速人工神经网络训练

工神经网络训练所包含的运算量随着网络中神经元的数量增多而加大,对于神经元较多的网络训练 很耗时。提高人工神经网络训练速度的一个方法是对训练算法优化以减少计算量。由于人工神经网络训练算法 包含大量的矩阵和向量运算,如果把优化的算法用运行在GPU上的OpenCLC语言实现,则训练速度相比传统 基于CPU计算的实现会提高很多。从硬件的并行计算能力着手,以RPROP算法为例,对其运行在GPU上的 OpenCLC语言实现作一些研究。

立即下载
基于遗传算法的SVM方法

基于遗传算法的SVM方法,有源代码参考!!

立即下载
Python书籍全集(16,17年最新书籍,9本超清完整非扫描版)

《Python编程:从入门到实践》2016.7 《Python项目开发实战(第2版)》2017.1 《Python核心编程(第3版)》2016.6 《Python编程快速上手:让繁琐工作自动化》2016.7 《Python游戏编程快速上手》2016.8 《Python网络数据采集》2016.3 《Python机器学习:预测分析核心算法》2017.1 《精通Python设计模式》2016.7 《用Python写网络爬虫》2016.9

立即下载

热点文章

下载码下载
做任务获取下载码
取消 提交下载码
img

spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
点击完成任务获取下载码
输入下载码
为了良好体验,不建议使用迅雷下载
img

支持向量机训练算法的研究与优化

会员到期时间: 剩余下载个数: 剩余C币: 剩余积分:0
为了良好体验,不建议使用迅雷下载
VIP下载
您今日下载次数已达上限(为了良好下载体验及使用,每位用户24小时之内最多可下载20个资源)

积分不足!

资源所需积分/C币 当前拥有积分
您可以选择
开通VIP
4000万
程序员的必选
600万
绿色安全资源
现在开通
立省522元
或者
购买C币兑换积分 C币抽奖
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
为了良好体验,不建议使用迅雷下载
确认下载
img

资源所需积分/C币 当前拥有积分 当前拥有C币
3 0 0
为了良好体验,不建议使用迅雷下载
VIP和C币套餐优惠
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
您的积分不足,将扣除 10 C币
为了良好体验,不建议使用迅雷下载
确认下载
下载
您还未下载过该资源
无法举报自己的资源

兑换成功

你当前的下载分为234开始下载资源
你还不是VIP会员
开通VIP会员权限,免积分下载
立即开通

你下载资源过于频繁,请输入验证码

您因违反CSDN下载频道规则而被锁定帐户,如有疑问,请联络:webmaster@csdn.net!

举报

  • 举报人:
  • 被举报人:
  • *类型:
    • *投诉人姓名:
    • *投诉人联系方式:
    • *版权证明:
  • *详细原因: