期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
LOO误差与LOO误差界估计的关系及在MATLAB上的实现
被引量:
1
1
作者
袁玉萍
李维屿
邓廷勇
《哈尔滨职业技术学院学报》
2006年第4期87-88,共2页
支持向量机是基于统计学习理论的新一代学习机器,本文论述了LOO(Leave-One-Out)误差与LOO误差界估计的定义及其两者关系;并对每个问题都给出了在MATLAB上实现的程序;通过数值试验表明了LOO误差与三个LOO误差界估计的关系。
关键词
loo误差
loo误差
界估计
MATAB
核函数
下载PDF
职称材料
基于支持向量机LOO误差估计的研究
2
作者
袁玉萍
邹艳华
《重庆科技学院学报(自然科学版)》
CAS
2009年第4期164-165,168,共3页
支持向量机是基于统计学习理论的新一代学习机,在支持向量机方法的基础上,以分类问题为例,对支持向量机算法评价标准进行了研究与比较,论述了LOO误差与LOO误差界估计的算法模型,并通过数值试验表明了参数的不同取值对LOO误差与3个LOO误...
支持向量机是基于统计学习理论的新一代学习机,在支持向量机方法的基础上,以分类问题为例,对支持向量机算法评价标准进行了研究与比较,论述了LOO误差与LOO误差界估计的算法模型,并通过数值试验表明了参数的不同取值对LOO误差与3个LOO误差界估计的影响。给出LOO误差界中参数选取的一定规律,使其更好地评价算法的精度。
展开更多
关键词
loo误差
loo误差
界估计
MATLAB
核函数
下载PDF
职称材料
一种基于参数优化C-SVM的脑电信号分类方法及应用
被引量:
2
3
作者
张毅
刘毅坚
罗元
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2014年第1期131-136,共6页
脑电信号(electroencephalograph,EEG)由于自身信号微弱且容易受到周边环境和大脑内部其他活动的影响,对其进行特征分类并提高分类准确率这一问题一直是脑机接口领域的难点。传统的基于支持向量机(support vector machines,SVM)的脑电...
脑电信号(electroencephalograph,EEG)由于自身信号微弱且容易受到周边环境和大脑内部其他活动的影响,对其进行特征分类并提高分类准确率这一问题一直是脑机接口领域的难点。传统的基于支持向量机(support vector machines,SVM)的脑电信号特征分类方法在选取惩罚参数与核函数参数时大都只是采用经验数据,而忽略了参数优化对提升SVM分类效果重要性,而现有的参数优化方法计算复杂严重影响了分类效率。针对以上问题,提出了一种通过交叉检验和LOO误差上界对C-SVM中的惩罚参数C和核函数参数进行优化的方法,并在理论分析的基础上结合实验证明了参数优化后的分类方法能够有效提高脑电信号分类的准确率且对分类效率影响不大。
展开更多
关键词
支持向量机(SVM)
脑电信号(EEG)
参数估计
交叉检验
loo误差
上界
原文传递
人脸识别中基于均匀设计的SVM超参数调节方法
被引量:
3
4
作者
李伟红
刘丽娟
+1 位作者
龚卫国
辜小花
《光电子.激光》
EI
CAS
CSCD
北大核心
2009年第10期1342-1347,共6页
为了有效地解决超高维、多类别人脸识别中支持向量机(SVM,support vector machine)超参数调节计算复杂性问题,提出一种基于均匀设计(UD,uniform design)的SVM超参数调节的人脸识别方法。用UD代替传统的网格(grid)和梯度下降(gradient de...
为了有效地解决超高维、多类别人脸识别中支持向量机(SVM,support vector machine)超参数调节计算复杂性问题,提出一种基于均匀设计(UD,uniform design)的SVM超参数调节的人脸识别方法。用UD代替传统的网格(grid)和梯度下降(gradient descent)方法挑选充分均衡分散在整个试验范围内且能得到满意实验结果的特征点,通过最小化k折交叉验证误差界或留一法(LOO,leave-one-out)误差界获取SVM最佳超参数。在UCI模拟数据集(Waveform)及人脸图像库(Yale,PIE)上进行了实验,结果表明,本文方法与传统的SVM超参数调节方法相比,能大大降低超参数调节的时间且能在一定程度上提高人脸分类识别率,使SVM超参数调节方法在解决高维人脸真实数据问题时具有一定的实用价值。
展开更多
关键词
支持向量机(SVM)超参数调节
均匀设计(UD)
人脸识别
k-折交叉验证
误差
界
留—法(
loo
)
误差
界
原文传递
题名
LOO误差与LOO误差界估计的关系及在MATLAB上的实现
被引量:
1
1
作者
袁玉萍
李维屿
邓廷勇
机构
黑龙江八一农垦大学理学院数学系
出处
《哈尔滨职业技术学院学报》
2006年第4期87-88,共2页
文摘
支持向量机是基于统计学习理论的新一代学习机器,本文论述了LOO(Leave-One-Out)误差与LOO误差界估计的定义及其两者关系;并对每个问题都给出了在MATLAB上实现的程序;通过数值试验表明了LOO误差与三个LOO误差界估计的关系。
关键词
loo误差
loo误差
界估计
MATAB
核函数
分类号
O213 [理学—概率论与数理统计]
下载PDF
职称材料
题名
基于支持向量机LOO误差估计的研究
2
作者
袁玉萍
邹艳华
机构
黑龙江八一农垦大学
大庆祥阁学校
出处
《重庆科技学院学报(自然科学版)》
CAS
2009年第4期164-165,168,共3页
基金
黑龙江省教育厅科学技术研究项目(11541259)
黑龙江省农垦总局基金项目(HNKXIVID-023)
黑龙江省大庆市科技项目(SGG2007-058)
文摘
支持向量机是基于统计学习理论的新一代学习机,在支持向量机方法的基础上,以分类问题为例,对支持向量机算法评价标准进行了研究与比较,论述了LOO误差与LOO误差界估计的算法模型,并通过数值试验表明了参数的不同取值对LOO误差与3个LOO误差界估计的影响。给出LOO误差界中参数选取的一定规律,使其更好地评价算法的精度。
关键词
loo误差
loo误差
界估计
MATLAB
核函数
Keywords
leave-one-out error
the estimation of leave-one-out error limits
Matlab
kernel function
分类号
O234 [理学—运筹学与控制论]
下载PDF
职称材料
题名
一种基于参数优化C-SVM的脑电信号分类方法及应用
被引量:
2
3
作者
张毅
刘毅坚
罗元
机构
重庆邮电大学智能系统及智能机器人研究所
出处
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2014年第1期131-136,共6页
基金
科技部国际合作项目(2010DFA12160)~~
文摘
脑电信号(electroencephalograph,EEG)由于自身信号微弱且容易受到周边环境和大脑内部其他活动的影响,对其进行特征分类并提高分类准确率这一问题一直是脑机接口领域的难点。传统的基于支持向量机(support vector machines,SVM)的脑电信号特征分类方法在选取惩罚参数与核函数参数时大都只是采用经验数据,而忽略了参数优化对提升SVM分类效果重要性,而现有的参数优化方法计算复杂严重影响了分类效率。针对以上问题,提出了一种通过交叉检验和LOO误差上界对C-SVM中的惩罚参数C和核函数参数进行优化的方法,并在理论分析的基础上结合实验证明了参数优化后的分类方法能够有效提高脑电信号分类的准确率且对分类效率影响不大。
关键词
支持向量机(SVM)
脑电信号(EEG)
参数估计
交叉检验
loo误差
上界
Keywords
support vector machines(SVM)
electroencephalograph(EEG)
parameter estimation
cross-validation
loo
estimation
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
R318 [医药卫生—生物医学工程]
原文传递
题名
人脸识别中基于均匀设计的SVM超参数调节方法
被引量:
3
4
作者
李伟红
刘丽娟
龚卫国
辜小花
机构
重庆大学光电技术及系统教育部重点实验室
出处
《光电子.激光》
EI
CAS
CSCD
北大核心
2009年第10期1342-1347,共6页
基金
国家"十一五"基础研究资助项目(C10020060355)
国家"863"计划资助项目(2007AA1E243)
重庆市科技攻关研究资助项目(CSTC2007AC2018)
文摘
为了有效地解决超高维、多类别人脸识别中支持向量机(SVM,support vector machine)超参数调节计算复杂性问题,提出一种基于均匀设计(UD,uniform design)的SVM超参数调节的人脸识别方法。用UD代替传统的网格(grid)和梯度下降(gradient descent)方法挑选充分均衡分散在整个试验范围内且能得到满意实验结果的特征点,通过最小化k折交叉验证误差界或留一法(LOO,leave-one-out)误差界获取SVM最佳超参数。在UCI模拟数据集(Waveform)及人脸图像库(Yale,PIE)上进行了实验,结果表明,本文方法与传统的SVM超参数调节方法相比,能大大降低超参数调节的时间且能在一定程度上提高人脸分类识别率,使SVM超参数调节方法在解决高维人脸真实数据问题时具有一定的实用价值。
关键词
支持向量机(SVM)超参数调节
均匀设计(UD)
人脸识别
k-折交叉验证
误差
界
留—法(
loo
)
误差
界
Keywords
support vector machine(SVM) hyperparameters tuning
uniform design(UD)
face recognition
kfold cross-validation
leave-one-out
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
LOO误差与LOO误差界估计的关系及在MATLAB上的实现
袁玉萍
李维屿
邓廷勇
《哈尔滨职业技术学院学报》
2006
1
下载PDF
职称材料
2
基于支持向量机LOO误差估计的研究
袁玉萍
邹艳华
《重庆科技学院学报(自然科学版)》
CAS
2009
0
下载PDF
职称材料
3
一种基于参数优化C-SVM的脑电信号分类方法及应用
张毅
刘毅坚
罗元
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2014
2
原文传递
4
人脸识别中基于均匀设计的SVM超参数调节方法
李伟红
刘丽娟
龚卫国
辜小花
《光电子.激光》
EI
CAS
CSCD
北大核心
2009
3
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部