期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
具有高斯核函数的支撑矢量机与径向基函数分类器的比较
1
作者 丁爱玲 谢小军 闻怡 《交通与计算机》 2003年第3期44-48,共5页
文章比较了两种学习机器:径向基函数、具有高斯核函数的支撑矢量机(SVM)。试验表明SVM能够获得最高的正确识别率。因此,支撑矢量机不只很好地建立在理论上,而且应用时也具有很好的优越性。
关键词 高斯核函数 支撑矢量机 径向基函数网络 统计学习理论 网络结构 学习策略 结构风险最小化 广义最优分类面 分类机理
下载PDF
基于支持向量机方法的水电机组状态识别 被引量:2
2
作者 杜洪斌 张雷 +2 位作者 李明桥 侯纪坤 白亮 《西北水电》 2013年第3期58-61,65,共5页
模式识别理论是水电机组状态识别与故障诊断的基础,通过选择不同类型的分类器来实现模式识别。支持向量机(SVM)算法有效地改善了传统分类方法的缺陷,具有较强理论依据,适合小样本的模式识别分类。结合水电机组振动信号特点,采用Hilbert-... 模式识别理论是水电机组状态识别与故障诊断的基础,通过选择不同类型的分类器来实现模式识别。支持向量机(SVM)算法有效地改善了传统分类方法的缺陷,具有较强理论依据,适合小样本的模式识别分类。结合水电机组振动信号特点,采用Hilbert-Huang变换对信号做前期处理,以IMF函数能量值为基本元素构造特征向量,将特征向量输入SVM进行模式识别。结果表明对于小样本分类,SVM方法简单有效,切实可用。 展开更多
关键词 支持向量机 分类 模式识别 状态检修 统计学习理论 结构风险 广义最优分类面
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部