计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2004年
3期
37-38,144
,共3页
主成分分析%支持向量机%最优分类超平面%特征值%特征向量
主成分分析%支持嚮量機%最優分類超平麵%特徵值%特徵嚮量
주성분분석%지지향량궤%최우분류초평면%특정치%특정향량
主成分分析法可以提取样本集的主元,从而降低样本的维数,甚至可以实现样本的最优压缩.基于主成分分析法,研究支持向量机分类方法,可以提高支持向量机分类的训练速度和测试速度,但不会改变样本的分布特性,保持样本的分类信息.最后给出了试验及结果.
主成分分析法可以提取樣本集的主元,從而降低樣本的維數,甚至可以實現樣本的最優壓縮.基于主成分分析法,研究支持嚮量機分類方法,可以提高支持嚮量機分類的訓練速度和測試速度,但不會改變樣本的分佈特性,保持樣本的分類信息.最後給齣瞭試驗及結果.
주성분분석법가이제취양본집적주원,종이강저양본적유수,심지가이실현양본적최우압축.기우주성분분석법,연구지지향량궤분류방법,가이제고지지향량궤분류적훈련속도화측시속도,단불회개변양본적분포특성,보지양본적분류신식.최후급출료시험급결과.
