注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 支撑矢量机推广能力分析

  2. 本文针对两种不同用途的支撑矢量机 ,分类支撑矢量机和回归支撑矢量机 ,分别证明了它们的一些几 何性质 ,从这些性质出发讨论了这两种支撑矢量机对新增样本的推广能力 ,新增样本对支撑矢量 ,非支撑矢量的影响 以及新增样本本身的一些特点 ,得到了一些非常有价值的结论.从这些结论可以看出支撑矢量机对新增样本具有良好 的推广能力 ,即对新增样本的良好的包容性和适应性 ,并且支撑矢量机是一种可积累的学习模型.

  3. 所属分类：专业指导

  1. 基于商空间粒度计算的犛犃犚图像分类（学术论文）

  2. ＳＡＲ 图像的分类是实现ＳＡＲ 图像自动理解与解译的关键步骤，而纹理是各种地表的固有属性，为ＳＡＲ 图像的分类提供了大量有用的信息，尤其对于单波段、单极化的ＳＡＲ 图像，纹理信息就显得格外重要．然而，不同 纹理特征对ＳＡＲ 图像中不同地表结构内在属性的刻画能力并不一致．如何将不同纹理特征结合起来，以获得应用 范围更广且分类效果更好的ＳＡＲ 图像分类方法，是当前ＳＡＲ 图像处理研究中的一个热点问题．文章将商空间粒 度计算引入ＳＡＲ 图像的分类中，结合ＳＡＲ 图像特性，提出了一种基于粒度合成理论的

  3. 所属分类：专业指导

    • 发布日期：2010-01-29
    • 文件大小：912384
    • 提供者：ljp202518

  1. 雷达HRRP自动目标识别算法

  2. 针对雷达高分辨距离像（HRRP） 的方位敏感性和平移敏感性，对一定角域内的HRRP非相干平均，提取具有 平移不变性的中心矩作为特征向量，采用Karhunen2Loeve 变换进一步进行特征压缩，建立相应的支撑矢量机（SVM） 分类 算法。与基于原始距离像特征的最大似然（ML） 方法和基于中心矩特征的ML方法识别结果比较，该方法在减少计算量的同 时具有较高的识别率，具有良好的推广能力。

  3. 所属分类：嵌入式

  1. 支持向量机推广能力分析

  2. 针对两种不同用途的支撑矢量机,分类支撑矢量机和回归支撑矢量机,分别证明了它们的一些几 何性质,从这些性质出发讨论了这两种支撑矢量机对新增样本的推广能力,新增样本对支撑矢量,非支撑矢量的影响 以及新增样本本身的一些特点,得到了一些非常有价值的结论. 从这些结论可以看出支撑矢量机对新增样本具有良好 的推广能力,即对新增样本的良好的包容性和适应性,并且支撑矢量机是一种可积累的学习模型.

  3. 所属分类：专业指导

    • 发布日期：2009-04-09
    • 文件大小：181248
    • 提供者：lysh1987

  1. 基于多层支撑矢量机分类算法提取最优抗体集的研究

  2. 提出在危险模式入侵检测系统中使用利用多层支撑矢量机分类算法对免疫克隆算法对原始数据的行为特征集进行优化获得的最优抗体集合,可以大大缩短危险模式入侵检测系统抗体模式库的训练时间。

  3. 所属分类：其它

    • 发布日期：2020-07-04
    • 文件大小：177152
    • 提供者：weixin_38732463

  1. 基于多维信号特征融合的空间通信目标识别技术

  2. 针对空间通信目标个体识别问题，在射频指纹分析的基础上提出了一种多维信号特征融合提取方法。首先分别在时域、频域和高阶谱域对截获的空间通信目标射频信号提取个体多维信号特征，然后对提取的特征进行融合，并应用支撑矢量机对个体进行分类识别，最后采用实测数据对这种识别方案进行了验证。实验表明，通过多维信号特征融合方法可以有效提取空间通信目标的个体信息，并能获得良好的识别效果。

  3. 所属分类：其它

    • 发布日期：2020-10-21
    • 文件大小：311296
    • 提供者：weixin_38658982

  1. 基于改进EMD的运动想象脑电信号识别算法研究

  2. 针对现有的单一特征提取算法对运动想象脑电信号识别率不高的问题，提出一种以相关系数改进的经验模态分解（EMD）的特征提取算法。对已有的BCI竞赛数据中C3、C4两个通道脑电数据进行预处理，之后通过EMD对脑电信号进行分解，得到IMF分量。通过计算原始信号与各阶IMF分量之间的相关系数，选择具有较大相关系数的IMF作为特征，由这些IMF分量的能量特征和平均幅值差来组成脑电信号的特征。使用支撑矢量机分类器（SVM）对左右手运动想象脑电信号进行分类。实验结果表明，基于相关系数改进的EMD脑电信号的处理方

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：270336
    • 提供者：weixin_38704565