期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
乘积匹配多项式的存在性 被引量:2
1
作者 刘建强 《兰州理工大学学报》 CAS 北大核心 2019年第2期149-154,共6页
假若一个以点积为自变量的多项式不是再生核,则它无法在机器学习的核方法中使用.解决此问题的办法之一是匹配另外一个点积的多项式,使两者乘积成为再生核.在一定条件下,通过解一系列的不等式,得到匹配多项式存在的充分必要条件,并探讨... 假若一个以点积为自变量的多项式不是再生核,则它无法在机器学习的核方法中使用.解决此问题的办法之一是匹配另外一个点积的多项式,使两者乘积成为再生核.在一定条件下,通过解一系列的不等式,得到匹配多项式存在的充分必要条件,并探讨与此条件相关的数列和生成函数列的性质. 展开更多
关键词 点积核 再生 多任务 连分式 函数列
下载PDF
基于点积-平移支持向量机的客运需求预测 被引量:1
2
作者 沈瑞光 裴玉龙 《大连海事大学学报》 CAS CSCD 北大核心 2012年第4期99-102,共4页
提出一种适用于多影响因素回归拟合的全社会客运量预测的点积-平移型支持向量机算法.该算法能够全面、系统地分析影响客运量需求变化的关联因素,通过关联元素去冗处理,确定作为支持向量机算法输入变量的核心关联元素.考虑到客运量预测... 提出一种适用于多影响因素回归拟合的全社会客运量预测的点积-平移型支持向量机算法.该算法能够全面、系统地分析影响客运量需求变化的关联因素,通过关联元素去冗处理,确定作为支持向量机算法输入变量的核心关联元素.考虑到客运量预测是一个基于时序变化的外推过程,并且受社会经济发展中多项影响因素的制约,数据变化存在着阶段性特征,提出利用点积-平移型核函数来拟合需求变化过程.对历史数据集的测试结果表明,该算法性能评价满足要求,可为远景客运量预测提供理论依据. 展开更多
关键词 支持向量机 去冗处理 -平移函数 客运量预测
原文传递
A Jacobi-collocation method for solving second kind Fredholm integral equations with weakly singular kernels
3
作者 CAI Hao Tao 《Science China Mathematics》 SCIE 2014年第10期2163-2178,共16页
In this work,we propose a Jacobi-collocation method to solve the second kind linear Fredholm integral equations with weakly singular kernels.Particularly,we consider the case when the underlying solutions are sufficie... In this work,we propose a Jacobi-collocation method to solve the second kind linear Fredholm integral equations with weakly singular kernels.Particularly,we consider the case when the underlying solutions are sufficiently smooth.In this case,the proposed method leads to a fully discrete linear system.We show that the fully discrete integral operator is stable in both infinite and weighted square norms.Furthermore,we establish that the approximate solution arrives at an optimal convergence order under the two norms.Finally,we give some numerical examples,which confirm the theoretical prediction of the exponential rate of convergence. 展开更多
关键词 second kind Fredholm integral equations with weakly singular kernels Jacobi-collocation methods stability analysis convergence analysis
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部