基于VC推广界的线性支持向量回归机及其应用

提出了基于VC推广界的线性支持向量机回归模型的新的构建算法,并应用于县域综合发展中,构建了邱县协调发展的经济计量模型,与传统的方法相比该算法效果更好且具有良好的泛化性能,为多元线性回归提供新的方法。

文体融合背景下图书馆跨界联合推广效果的影响因素探析

跨界联合推广是图书馆阅读推广高质量发展的必然方向。基于推广效果的目的论与结果论,文章探索了文体融合背景下图书馆跨界联合推广效果的影响因素。首先采用扎根理论方法梳理了影响因素,然后采用结构方程模型进行验证,关键影响因素包括:用户层面的参与动机和体育文化知识技能,图书馆层面的人员配置、馆藏资源、服务态度、胜任力,以及体育合作方层面的场馆场所、体育活动影响力、协同能力、沟通能力。

基于α混合序列的在线算法的推广性能（英文）

近年来,在线算法的理论研究得到相应的重视.以前在线算法的推广界都是基于独立同分布的样本建立的.在本文中,我们跳过这个框架来研究基于α混合序列的在线算法的推广界.我们用全变差来定义α混合序列,而且在分析时只要求鞅收敛参数.结果是:"遗憾"可以度量在线算法的性能.与β混合序列比较,我们得到更紧的推广误差估计.

基于局部性正则化推广误差界的特征选择算法

特征选择是当前模式识别领域的研究热点.滤波方法和封装方法是特征选择算法中评价特征子集的两种主要策略,但均不能保证其后所设计的分类器的推广性能.针对以上两种策略的不足,首先引入基于样本流形结构的局部性正则化推广误差界.并在此基础上,以局部性正则化推广误差界为评价函数,以局部性正则化分类方法为目标分类器,提出一种混合滤波-封装型特征选择算法.该算法既保持了较高的计算效率,又保证了目标分类器良好的推广性.实验结果表明,新算法具有比对比算法更优的分类性能.

基于遗传算法的支撑向量机的特征选取

提出了一种支撑向量机(SVM)的特征提取方法,该方法使得所提取的特征向量能最小化SVM推广性的界,同时设计了一种有效的遗传算法来实现该方法。模拟数据和心电信号等识别问题的实验结果验证了该方法的有效性。

支持向量机核函数及优化研究

基于支持向量机的推广能力,提出选择核函数的依据。若训练样本总数一定,可采取减少支持向量数的原则减小分类错误率的产生,而减少支持向量的数量取决于核函数的选择。通过增大二次项系数的绝对值提高分类精度。实验验证改进后的核函数符合Vapnik的有关分类器推广性理论,有较高的分类精度和很好的普适性。

全民阅读主题下的模式创新与反思浅析

全民阅读系统工程已推进11年,效果有目共睹。文章针对2017年以来全民阅读推广中产生的创新模式以及不同行业对全民阅读推广的助力举措进行了分析,并指出当下阅读现象中可能对完整阅读和阅读品质产生负面影响的问题。

若干个度量支持向量机参数优劣的方法研究

支持向量机(SVM)参数的取值直接影响到分类器的学习能力和推广能力。通常通过计算分类器的推广误差来衡量参数的优劣,常用的方法有k重交叉验证法和留一法,但两者都要花费大量的计算时间,因此出现了若干个有效的估计推广误差界的简单方法。本文通过仿真实验对这几种方法性能进行了比较分析。