国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于支持向量機(jī)正則化路徑的貝葉斯模型平均模型組合方法

      文檔序號(hào):6556133閱讀:1039來源:國知局
      專利名稱:基于支持向量機(jī)正則化路徑的貝葉斯模型平均模型組合方法
      技術(shù)領(lǐng)域
      在本發(fā)明涉及支持向量機(jī)正則化路徑上的模型組合,特別是一種基于貝葉斯模型平均的模型組合方法。
      背景技術(shù)
      支持向量機(jī)(Support Vector Machine, SVM)是Vapnik等人提出的一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法,它以最大化分類間隔構(gòu)造最優(yōu)分類超平面來提高分類器的泛化能力,較好地解決了非線性、高維數(shù)、局部極小點(diǎn)等問題。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法相比, SVM具有結(jié)構(gòu)風(fēng)險(xiǎn)最小,可以逼近任意函數(shù)且保證全局最優(yōu),適用于小樣本、非線性核高維建模的領(lǐng)域。目前,SVM已廣泛應(yīng)用于手寫字識(shí)別、文本分類、語音識(shí)別等方面,并取得了良好的應(yīng)用效果。對(duì)于2-分類支持向量機(jī),已知訓(xùn)練集
      權(quán)利要求
      1. 一種基于支持向量機(jī)正則化路徑的貝葉斯模型平均模型組合方法,該方法包括以下步驟步驟一,計(jì)算支持向量機(jī)2-分類模型的正則化路徑,得到初始模型集; 根據(jù)正則化路徑算法,在訓(xùn)練數(shù)據(jù)集上運(yùn)行正則化路徑算法,得到初始模型集Μ ,Μ={/Λ)\^ε
      ,M中的模型個(gè)數(shù)等于svmpath算法的迭代次數(shù)況,且況為伐?。。!^及)),ι的取值范圍大概為W,6], 表示正類訓(xùn)練樣本個(gè)數(shù);I表示負(fù)類訓(xùn)練樣本個(gè)數(shù);步驟二,在得到的正則化路徑上應(yīng)用貝葉斯公式求解模型的后驗(yàn)概率; 模型/』的先驗(yàn)被賦予一個(gè)簡(jiǎn)單的高斯過程,高斯過程先驗(yàn)的協(xié)方差矩陣是正定矩陣,作為SVM的核矩陣
      全文摘要
      本發(fā)明公開了一種基于支持向量機(jī)正則化路徑的貝葉斯模型平均模型組合方法,該方法包括以下步驟計(jì)算支持向量機(jī)2-分類模型的正則化路徑,得到初始模型集;在得到的正則化路徑上應(yīng)用貝葉斯公式求解模型的后驗(yàn)概率;貝葉斯模型平均預(yù)測(cè);步驟四,得到預(yù)測(cè)輸出;與廣義近似交叉驗(yàn)證方法相比,基于支持向量機(jī)正則化路徑的貝葉斯模型平均模型組合算法具有更低的分類誤差,在保證較高預(yù)測(cè)精確率的同時(shí),較大的減少了運(yùn)行時(shí)間并降低了操作復(fù)雜度。
      文檔編號(hào)G06K9/62GK102208030SQ20111014924
      公開日2011年10月5日 申請(qǐng)日期2011年6月3日 優(yōu)先權(quán)日2011年6月3日
      發(fā)明者廖士中, 趙寧, 趙志輝 申請(qǐng)人:天津大學(xué)
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1