support vector machines | BriefGPT

关键词support vector machines

搜索结果 - 119

基于纹理特征分析的 mpMRI 早期前列腺癌分类
磁共振成像（MRI）是诊断和分期前列腺癌的关键工具，但也产生了大量数据，必须由经过训练的专家评估，这是一项耗时且繁琐的任务。因此，已经开发了基于多种 MRI 模态（T2W、ADC 和高 b 值 DWI）的前列腺癌（PCa）风险分类自动化的机
PDF13 days ago
超半空间中解决大边际分类器的凸松弛
通过将问题转化为多项式优化，使用半定松弛和稀疏矩和平方松弛方法来近似最优解，在广泛的实验中表现优于投影梯度下降方法。
PDFa month ago
Wave Loss 函数推动监督学习：一种鲁棒而平滑的方法
该研究论文介绍了一种名为 Wave Loss 的非对称损失函数，将其应用于支持向量机和双支持向量机模型的优化过程中，通过优化算法提高了预测准确性，并在多个领域的数据集上进行了实证评估。
PDF2 months ago
深度支持向量
通过实证研究表明，深度学习模型中的深度支持向量（Deep Support Vectors，DSVs）类似于支持向量机（Support Vector Machines，SVM）中的支持向量，从而为解释模型的决策标准提供了一种切实可行的方法。此
PDF3 months ago
基于随机主成分分析的高光谱图像分类
本文研究了利用主成分分析（PCA）和随机主成分分析（R-PCA）结合支持向量机（SVM）和轻量级梯度提升机（LightGBM）对高光谱图像进行分类的方法，实验结果表明，对于 Indian Pines 和 Pavia University 两
PDF4 months ago
量子退火器上训练的本地二进制和多类支持向量机
SVM 与量子退火器相结合的 FaLK-SVM 方法在处理大规模实际数据集时展现出了良好的性能和可扩展性。
PDF4 months ago
一种自适应加权软边界的不平衡支持向量机分类的广义框架
提出了一种新的广义框架，即自适应权重函数用于软间隔加权支持向量机 (AW-WSVM)，旨在增强标准支持向量机 (SVM) 中不平衡和异常值敏感性的问题，通过引入权重系数到非约束软间隔支持向量机，并在每次训练之前更新样本权重。在标准数据集和情
PDF4 months ago
无刷直流电机速度和位置的无传感器估计方法中的一种新方法
本文介绍了一种基于脉动成分的支持向量机方法，用于无刷直流电机的速度和位置估计，该方法通过测量电流并检测该信号中的脉冲来估计电机速度，通过计算所有检测到的脉冲来估计位置，该方法较其他无刷传感器方法具有检测幽灵脉冲和丢弃虚假脉冲的主要优势。在两
PDF5 months ago
基于截断 ANOVA 分解的快速可解释支持向量分类
支持向量机是一种在高维空间中处理分散数据进行分类的重要工具，本研究中利用基于三角函数或小波的特征映射来解决 SVM 问题，并通过多元基函数的限制实现计算效率的提升和解释性强的模型。同时，通过数值实例验证，使用 L1 范数正则化可以在准确性和
PDF5 months ago
通过锥优化的鲁棒支持向量机
使用混合整数优化技术得出一种新的损失函数，使之比现有方案更好地逼近 0-1 损失函数，同时保持学习问题的凸性，具有与标准支持向量机相竞争的性能，且在存在异常值时表现更好。
PDF5 months ago
森林火灾检测中支持向量机（SVM）在具有挑战性数据集上的性能分析
这篇文章主要研究了使用支持向量机（SVM）对基于图像数据集的森林火灾检测进行性能和利用率分析。通过对带标签数据进行训练，SVM 能够识别与火灾相关的特征，如火焰、烟雾或森林区域的视觉特征变化。文章深入探讨了 SVM 的使用，包括数据预处理、
PDF5 months ago
支持向量机的成本敏感特征选择
通过数学优化的特征选择过程嵌入到支持向量机分类过程中，结合了不对称的分类错误代价，旨在减少特征数量并保持误分类率的平衡。
PDF6 months ago
优化与机器学习：半监督支持向量机的精确算法
支持向量机（SVM）是用于二分类的广泛研究的监督学习模型。半监督支持向量机（S3VMs）通过利用有标签和无标签数据，扩展了传统的 SVM 分类器，旨在在存在无标签数据的情况下最大化样本间的边界，以实现比传统 SVM 更高的准确性和鲁棒性。本
PDF7 months ago
关于均场极限中的基于核的统计学习
使用机器学习中的大规模问题为背景，本论文针对输入变量个数趋向无穷大的情况展开研究。首先，我们完善了核和其再生核希尔伯特空间均值场极限的现有理论。接下来，我们提供了与这些核在均值场极限下逼近相关的结果，包括一个再现者定理。最后，我们将这些核应
PDF8 months ago
量子时代的机器学习：量子与经典支持向量机
本文旨在比较机器学习算法的有效性在经典和量子计算范式中。通过研究经典支持向量机和基于量子硬件的量子支持向量机在鸢尾花数据集上的分类能力，我们发现在特定场景下，量子支持向量机可以与经典支持向量机相媲美的准确率，尽管目前的执行时间较长。此外，我
PDF9 months ago
成本敏感的支持向量机概率预测
提供了一种生成支持向量机的概率输出的新方法，利用集成方法和自举估计，能够处理不平衡数据集，并在广泛的数据集测试中展现了优势。
PDF9 months ago
基于集成的贝叶斯神经网络和传统机器学习算法的混合优化
通过将贝叶斯神经网络与传统机器学习算法（如随机森林、梯度提升、支持向量机）协同集成的一种新方法，强调了特征集成在优化中的重要性，包括优化的二阶条件，如哈西矩阵的定态性和正定性。与此相反，超参数调整对于改善预期改进（EI (x)）的影响有所削
PDF9 months ago
通过分子指纹组合进行 ADMET 性质预测
通过使用随机森林或支持向量机等与扩展连通性指纹 (ECFP) 相结合的方法，我们发现这些方法在预测小分子效能方面始终表现优于最近开发的方法。进一步研究回归算法和分子指纹发现，梯度提升决策树（尤其是 CatBoost），结合 ECFP、Ava
PDF9 months ago
用于印地语在线手写字符识别的点、方向和方向动态特征的直方图
提出了一种与字符笔画方向和顺序变化无关的一组特征，用于在线手写字符识别。通过一种方法，将特征如点的坐标、点处笔画的方向以及点处笔画方向的动态在坐标值方面进行空间映射，并在空间图中的不同区域计算这些特征的直方图。通过训练分类器进行字符识别的其
PDF10 months ago
稀疏支持向量机的 Majorization-Minimization
通过平滑的稀疏促进正则化的平方铰链损失最小化，研究了支持向量机的训练，并应用了基于主要化最小化方法的快速训练方法，提高了特征选择的性能，并在定量指标（准确率、精确率、召回率和 F1 值）以及计算成本方面表现出良好的性能。
PDF10 months ago