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-9120997.html】到电脑端继续下载（重复下载不扣费）。
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。
本文（支持向量机与神经网络算法的对比分析(共4页).doc）为本站会员（晟***）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！
精选优质文档-倾情为你奉上支持向量机与神经网络算法的对比分析 作者：刘梦绮来源：科学导报学术2019年第14期摘要：统计学习理论建立在结构风险最小化原则基础上，专门针对小样本下的机器学习问题而建立的一套新的学习理论体系。基于统计学习理论的算法具有理论完整、全局优化、适应性强、推广能力好等优点，是机器学习研究的新热点。本文首先研究了支持向量机的基本理论，接着对支持向量机算法和神经网络算法进行了全面性能比较。最后对文章整体做出总结，并写出了自己的感悟。引言分类一直是数据挖掘、机器学习1 和模式识别中一个重要的研究领域。随着计算能力、存储、网络的高速发展，更需要发现更深层次的规律，对决策，商务应用提供更加有效的支持。为了满足这种需求，数据挖掘技术得到了长足的发展，而分类在数据挖掘中是一项非常重要的任务。分类算法历来受到许多领域研究者的关注。传统的机器学习分类算法，如支持向量机等，慢慢不像十多年前那么火热。但在进行小数据样本处理时，支持向量机算法展现出基于大数据样本的深度学习无法取代的优势
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。
