支撑向量机是基于结构风险最小化原理而提出的一种通用学习方法。近年来它的研究及其应用已成为机器学习的研究热点,一方面是由于其在实际问题的应用中表现出了良好的学习能力和优于已有学习方法的性能,另一方面是因为其坚实的理论基础和较好的推广能力、非线性和高维处理等能力。本项目从支撑向量机迫切需要解决的模型选择问题入手,利用逼近论、黎曼几何等理论从非线性变换角度研究核函数选择问题,分析核函数的基本性质对学习能
{{i.achievement_title}}
数据更新时间:2023-05-31
监管的非对称性、盈余管理模式选择与证监会执法效率?
粗颗粒土的静止土压力系数非线性分析与计算方法
主控因素对异型头弹丸半侵彻金属靶深度的影响特性研究
基于LASSO-SVMR模型城市生活需水量的预测
基于SSVEP 直接脑控机器人方向和速度研究
关于支撑向量回归机的模型选择问题
基于优化新技术的支持向量机的模型与算法研究
基于先验知识的支持向量机的最优化模型与算法研究
噪声数据的非凸损失函数支持向量机最优化模型与算法研究