计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2009年
6期
1559-1562,1581
,共5页
最小二乘支持向量机%稀疏化%雷达一维距离像
最小二乘支持嚮量機%稀疏化%雷達一維距離像
최소이승지지향량궤%희소화%뢰체일유거리상
普通的最小二乘支持向量机(LS-SVM)稀疏化算法在处理有些常见的模式识别问题时,随着训练样本的删减,识别率下滑很快,往往达不到稀疏化的目的.针对这种情况,提出了一种新的LS-SVM稀疏化算法来弥补这种不足,从而使得LS-SVM稀疏化算法体系更加完善.将新算法应用到雷达一维距离像的识别中,实验结果证明了新算法的有效性.
普通的最小二乘支持嚮量機(LS-SVM)稀疏化算法在處理有些常見的模式識彆問題時,隨著訓練樣本的刪減,識彆率下滑很快,往往達不到稀疏化的目的.針對這種情況,提齣瞭一種新的LS-SVM稀疏化算法來瀰補這種不足,從而使得LS-SVM稀疏化算法體繫更加完善.將新算法應用到雷達一維距離像的識彆中,實驗結果證明瞭新算法的有效性.
보통적최소이승지지향량궤(LS-SVM)희소화산법재처리유사상견적모식식별문제시,수착훈련양본적산감,식별솔하활흔쾌,왕왕체불도희소화적목적.침대저충정황,제출료일충신적LS-SVM희소화산법래미보저충불족,종이사득LS-SVM희소화산법체계경가완선.장신산법응용도뢰체일유거리상적식별중,실험결과증명료신산법적유효성.
