排序方式： 共有2条查询结果，搜索用时 62 毫秒
1
1.
化学模式分类问题通常是非线性的,而且比较复杂,难以用经典统计方法建立分类判别模型。以支持向量机(SVM)构建的分类器具有更好的分类性能。对于非线性分类,SVM通过核函数将其映射到高维特征空间中,然后再进行线性分类。因此,核函数往往是决定SVM非线性分类性能的关键。实际应用时,一般通过选择几种核函数,并对其参数进行优化,然后根据分类器的预测性能来决定,训练过程非常耗时,而且结果难以保证最优。为此,采用一种通用性的核函数,即PersonⅦ核函数(PUKF),它可取代目前常用的几种核函数,可避免SVM非线性分类器训练过程的核函数选择问题。本研究将基于PUKF的SVM分类器应用于两个化学模式分类问题,均取得了较好的结果。对于多类分类,设计了一种子分类器的构造方法,它在分类性能保持较好的情况下,简化了多类分类器结构,大大降低了计算量。 相似文献
2.
化学模式分类问题通常是非线性的，而且比较复杂，难以用经典统计方法建立分类判别模型。以支持向量机（SVM）构建的分类器具有更好的分类性能。对于非线性分类，SVM通过核函数将其映射到高维特征空间中，然后再进行线性分类。因此，核函数往往是决定SVM非线性分类性能的关键。实际应用时，一般通过选择几种核函数，并对其参数进行优化，然后根据分类器的预测性能来决定，训练过程非常耗时，而且结果难以保证最优。为此，采用一种通用性的核函数，即PersonVg核函数（PUKF），它可取代目前常用的几种核函数，可避免SVM非线性分类器训练过程的核函数选择问题。本研究将基于PUKF的SVM分类器应用于两个化学模式分类问题，均取得了较好的结果。对于多类分类，设计了一种子分类器的构造方法，它在分类性能保持较好的情况下，简化了多类分类器结构，大大降低了计算量。 相似文献
1