序列最小优化相关论文
对于分类问题,基于数据的分位数距离的弹球支持向量机相较于基于数据的最短距离的经典的hinge损失的支持向量机,具有更好的稳健性......
土地覆盖反映了地表覆盖情况,人类的一切生产生活活动都建立在这之上,近年来土地覆盖的研究一直是全球环境问题研究的热点。随着我......
在全球能源危机问题日益严重、环境污染加剧的情况下,提高可再生清洁能源比重迫在眉睫。太阳能具有永不枯竭、安全稳定等优点,是新......
该文工作包括:(1)核空间理论的应用及自适应核函数的选择该文研究了推广性能与核函数之间的关系,针对分类问题,提出了一种核函数选......
近年来,随着我国经济和社会的快速发展,各行各业信息化程度的不断提高,煤炭销售领域的电子化和网络化建设也取得长足的进展。而煤......
土地覆盖反映了地表覆盖情况,人类的一切生产生活活动都建立在这之上,近年来土地覆盖的研究一直是全球环境问题研究的热点。随着我......
在电力市场经济条件下,电力负荷预测遇到新的挑战,其对电力系统的影响和作用越来越明显,做好电力负荷预测工作是电力系统安全运行......
单类问题是一种无监督的学习问题．它主要用于outlier检测，奇异点检测等问题．目前，基于统计学习理论的算法，如SVM和boosting，在处理有监督......
物联网技术实现了物与物、人与物的全面互联,其中信息传感设备与人的交互需要对人体行为活动进行感知。目前广泛使用的有基于视觉......
提出动态选择线性组合预测方法，采用不同BP、RBF神经网络和序列最小优化SMO（sequential minimal optimization）算法为预测模型，先用K近......
电力系统短期负荷预测是电力系统部门安排机组启停、制定购电计划的基础。并逐渐成为电力市场的一个重要研究领域。本文分别用线性......
针对传统二次规划求解方法训练优化极限学习机（OMELM）存在速度慢和效率低的问题,提出了单变量迭代序列最小优化（SSMO）算法.该算法通过......
针对传统的支持向量机（SVM）算法在速度方面的缺陷，本文提出将序列最小优化（SMO）算法引入到垃圾邮件过滤系统中，实验结果证明，该模型训练时......
支持向量机是一种优秀的学习方法,也是具有很好泛化性能的回归方法。但由于支持向量机算法实习复杂,效率低,严格限制了其应用,SMO......
支持向量机（SVM）是一种基于结构风险最小化原理（SRM）的学习算法,也是一种具有很好的泛化性能的回归方法.针对青霉素发酵过程中的菌体浓......
SMO算法是一种有效的SVM训练算法,但由于参与训练的数据大部分为非支持向量,仍然存在进一步优化的可能性。针对SMO算法的这个不足,......
由于缺少对数据结构信息的考虑,现有的域描述型单类分类器得到的支撑面往往是次优解。因此,以支持向量数据描述（SVDD）算法为基础,通......
序列最小化算法（SMO）是支持向量机重要的常用分解方法。而工作集的选择是实现序列最小优化算法的关键。通过重写KKT条件，提出了一种改......
该文提出了一种基于支持向量域描述 (SVDD)的学习分类器 .在两类样本分类中 ,该算法在训练时通过对1类样本的描述求取包含 1类样本......
文章在分析支持向量域描述的基础上发展了一类基于描述的学习分类器.该算法在训练时通过在高维特征空间中求取所描述的训练样本的......
支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,......
传统的支撑向量机（SVM）训练速度非常慢,使用RBF核的序列最小优化（SMO）是有效的SVM改进算法.综合网格法和双线形法的优点,提出分段层近......
为提高支持向量机序列最小优化学习算法的学习性能，提出了一种支持向量机改进序列最小优化学习算法，对传统SMO学习方法进行了多方面......
针对目前支持向量机(SVM)中混合核函数的不足,提出一种自适应加权混合核函数。该核函数能自适应调节新映射空间样本点的距离,改变......
针对支持向量机SMO训练算法在遇到大规模问题时训练过慢的问题，提出了一种改进的工作集选择模型的并行算法。在该算法中，根据支持向......
非平衡数据集的分类问题经常出现在许多实际应用中。支持向量机在处理这一类问题时，整体分类性能比较低。为此，Veropoulos提出的采用......
针对最小二乘支持向量机（LSSVM）仅考虑等式约束，失去了支持向量机（SVN）解的稀疏性，影响了二次学习效率的问题，把最小二乘支持向量机与序列......
电力负荷预测作为电力市场的一个重要研究领域,直接关系到市场计划或调度部门制定购电计划、安排机组启停的工作效益和效率,有着重......
提出一种改进的序列最小优化算法,它在选取工作集时选取优化步长最大的违反KKT条件的样本和其配对样本,并且对求解过程进行简化,从......
序列最小优化（SMO）是训练支持向量机（SVM）的常见算法,在求解大规模问题时,需要耗费大量的计算时间。该文提出了SMO的一种并行实现方法,......
支持向量机(Support Vector Machine,SVM)是基于统计学习理论的一种优秀的机器学习方法。它在最基本的线性可分问题中,采用与结构......
为了提高潜在支持向量机求解大规模问题的训练速度,提出了基于样本取样的潜在支持向量机序列最小优化算法,去掉了大部分非支持向量......
针对变桨距风力机模型非线性很强的特点，采用支持向量回归（SVR）算法进行辨识，数据由BLADED仿真软件提供，经训练检测的结果表明，SVR算法在......
目的求解n维空间中m个点的最小闭包球（MEB）问题。方法基于序列最小优化（SMO）的方法,提出了一种近似算法,求解MEB问题的一个（1＋ε）-近似。......
高光谱遥感技术,将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起。高光谱影像丰富的光谱信息使......
针对高速异物在线识别中正常物料与异物颜色差异及异物颜色随机性的特点,研究了一类支持向量机(OC-SVM)在异物识别中的特性,提出了......
面对电力系统智能化所带来的负荷数据海量化高维化的趋势,解决对海量高维电力负荷数据进行负荷预测时所面临的单机计算资源不足的......
智能工程是一个融合智能算法、基于知识自动处理及有效应用的计算机应用体系,它强调人的智能参与,强调智能算法的灵活应用,它在解......
为了建立高精度的直升机仿真模型,把支持向量机(SVM)引入到直升机智能化建模领域,建立了直升机自转着陆过程的旋翼转速模型。根据......
在Smola和Sch$lkopf的SMO算法中,由于使用了单一的极限值而使得算法的效果没有完全表现出来。使用KKT条件来检验二次规划问题,使用......
金融资产的波动性导致了金融市场的不确定性,一般而言投资者是在不确定的收益和风险中进行投资,从而不确定性研究是金融决策分析研......
随着信息社会的飞速发展,人们面对的数据量越来越大,如何从海量信息中提取有效的数据,进而为决策服务是亟待解决的问题,因此数据分......
SIFT是特征提取与匹配技术中的一种有效的方法,具有较好的稳定性,以及旋转和尺度不变特性。但是SIFT特征提取与匹配的维数较高,且......
统计学习理论是针对小样本情况下的机器学习理论,其核心思想是通过控制学习机器的复杂度,实现对学习机器推广能力的控制。在这一理......
支持向量机是一种非常优秀的机器学习技术,求解大规模二次规划问题是训练SVM的关键.该文提出了一种改进方法,保持计算代价与优化步......
