ImageVerifierCode 换一换
格式:DOC , 页数:2 ,大小:55.50KB ,
资源ID:674636      下载积分:20 文钱
快捷下载
登录下载
邮箱/手机:
温馨提示:
快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。 如填写123,账号就是123,密码也是123。
特别说明:
请自助下载,系统不会自动发送文件的哦; 如果您已付费,想二次下载,请登录后访问:我的下载记录
支付方式: 支付宝    微信支付   
验证码:   换一换

加入VIP,省得不是一点点
 

温馨提示:由于个人手机设置不同,如果发现不能下载,请复制以下地址【https://www.wenke99.com/d-674636.html】到电脑端继续下载(重复下载不扣费)。

已注册用户请登录:
账号:
密码:
验证码:   换一换
  忘记密码?
三方登录: QQ登录   微博登录 

下载须知

1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。
2: 试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。
3: 文件的所有权益归上传用户所有。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 本站仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

版权提示 | 免责声明

本文(支持向量机模型研究与设计.DOC)为本站会员(国***)主动上传,文客久久仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知文客久久(发送邮件至hr@wenke99.com或直接QQ联系客服),我们立即给予删除!

支持向量机模型研究与设计.DOC

1、 湖南大学毕业设计(论文) 第 I 页支持向量机实验模型研究与设计摘 要支持向量机作为一种优秀的学习方法,它具有理论完备、适应性强、全局优化、训练时间短、泛化性能好等优点,已成为当前国际机器学习界的研究热点,有着很好的应用前景。支持向量机方法与机器学习,神经网络等学科现有的理论和方法相比,有明显的优越性,特别是它局部最优解一定是全局最优解,克服了限于局部最小问题,这是人工神经网络学习算法所不能及的。本文论述了支持向量机的基本原理和思想,侧重分析了支持向量机的 SMO 算法(即序列最小优化(SMO )算法)和三种核函数(即线性内核、径向基函数内核、多项式内核) 。本课题研究并实现了这种算法,并使

2、用这种训练算法和这三种核函数实现了基于支持向量机的机器学习模型,实现了使用这种算法和三个核函数中的一个对数据集进行分类。此模型能够对线性可分的和非线性可分的两种情况的两类数据进行正确分类,并对分类的效果进行分析。此模型不仅能够装载已有的数据进行分类,还实现了手动创建数据集的功能,可以对手动创建的数据集进行分类。关键词:支持向量机,分类,训练算法,核函数湖南大学毕业设计(论文) 第 II 页The Study and Design of Experiment Modle Based on Support Vector MachineAuthor: Su HanmuTutor: Zhong Qin

3、gliuAbstractSupport Vector Machine as a kind of outstanding Machine Learning methods, has many advantages such as a complete theory ,a good compatibility ,a overall optimization, a short training time, a good generalized capability and so on. So that, it already become the research focus in the fiel

4、d of international Machine Learning. The application prospect of Support Vector Machine is very good. Compared with other theory and method of Machine Learning Support Vector Machine has obvious superiority. Especially its partial optimal answer is the overall optimal answer. This is what artificial

5、 neural network can not solve.This text has expounded the basic principle and thought of Support Vector Machine, and has laid particular emphasi on analyzing one kind training algorithms (Sequential Minimal optimizer algorithm) and three kernel functions(Linear, Polynomial, RBF) of Support Vector Ma

6、chine. This thesis research and implement the three training algorithms, and then, implement the Machine Learning model based on Support Vector Machine. You can choose one training algorithms and one of the three kernel functions to classify the data correctly by the model. The model can classify tw

7、o data sets no matter whether the sets is linear or non-linear, and analyse the result of classification. The model can classify the data sets which is loaded from the existent one. The model implement the function of creating data sets by user, and then classify the data sets.Key words: Support Vector Machine, classify, training algorithm, kernel function

Copyright © 2018-2021 Wenke99.com All rights reserved

工信部备案号浙ICP备20026746号-2  

公安局备案号:浙公网安备33038302330469号

本站为C2C交文档易平台,即用户上传的文档直接卖给下载用户,本站只是网络服务中间平台,所有原创文档下载所得归上传人所有,若您发现上传作品侵犯了您的权利,请立刻联系网站客服并提供证据,平台将在3个工作日内予以改正。