关键词support vector classification
搜索结果 - 4
- MaxMin-L2-SVC-NCH:一种训练支持向量分类器并选择模型参数的新方法
本文提出了一种新的支持向量机分类器模型参数选择方法 —— 最小最大 L2-SVC-NCH,并采用基于梯度的算法来解决该方法中的优化问题,与传统的参数选择模型相比,该方法在减少模型训练数量的同时保持了测试准确度。
- ICML小数据的模型选择实用主动学习
本研究开发了一种基于支持向量分类的基础池式主动学习器的快速简单的实践方法,旨在解决很少标记数据点的情况下进行模型选择的挑战,并通过加权方法让模型在易于分类数据集和难以分类数据集之间取得平衡的最佳性能。
- 使用时间序列核心进行情感表达分类
应用动态时间规整相似度的核方法和支持向量分类器,只使用主成分分析压缩后的标记点向量的运动模式(形状参数)就可以准确地识别面部表情,包括全运动模式和数种表情。
- 变分优化
本文讨论了一种形成非可微或离散目标函数最优解可微分界限的通用技术,提供了这些方法的统一描述,并且考虑了边界凸性的情况。特别地,我们考虑了该方法的两个具体应用:稀疏学习和支持向量分类。