首页 > 《技术与市场》 > 2009年4期 > 相关向量机学习的研究

相关向量机学习的研究

在线阅读下载PDF 导出详情

摘要支持向量机（SVM）是利用核函数产生组合优化应用于回归和分类问题的技术。然而SVM具有明显的缺少概率的输出，要求估计权衡参数和必须满足Mercer核函数等缺陷，RVM受上述缺陷影响，只需更少的核函数产生与SVM相同的线性输出模型的贝叶斯方法。

DOI 5joo2vr3jv/683112

作者董争

机构地区不详

出处《技术与市场》 2009年4期

关键词相关向量相关向量机稀疏贝叶斯

分类 [经济管理][世界经济]

出版日期 2009年04月14日（中国期刊网平台首次上网日期，不代表论文的发表时间）

相关文献

1牟廉明. 统计学习与支持向量机.教育学,2002-06.
2杜红乐;张燕. 动态代价支持向量机增量学习算法.教育学,2017-02.
3李卓文宋金朋. 支持向量机的研究与应用.建筑设计及理论,2015-12.
4郭雪松;孙林岩;徐晟. 基于超球结构的支持向量机增量学习算法.运筹学与控制论,2007-04.
5刘子. 支持向量机SVM的研究和应用.文化科学,2017-11.
6孙灏. 基于特征学习与支持向量机的仪表识别算法.高等教育学,2018-02.
7张秀玉. 基于改进支持向量机的行为分类研究.高等教育学,2013-05.
8邹凌云;王正志;王勇献. 基于模糊支持向量机的膜蛋白分类研究.生物医学工程,2007-04.
9龙栋材;李斌兵. 基于支持向量机的小流域水蚀预报模型研究.土壤学,2006-06.
10解洪胜，平建. 支持向量机在数据分类中的应用研究.,2023-03.

来源期刊

技术与市场

技术与市场

相关推荐

同分类资源更多

相关关键词

相关向量相关向量机稀疏贝叶斯

返回顶部