大庆石油学院学报
大慶石油學院學報
대경석유학원학보
JOURNAL OF DAQING PETROLEUM INSTITUTE
2011年
6期
73-75
,共3页
过程支持向量机%过程神经元模型%核函数%时变函数%支持向量机%模式分类
過程支持嚮量機%過程神經元模型%覈函數%時變函數%支持嚮量機%模式分類
과정지지향량궤%과정신경원모형%핵함수%시변함수%지지향량궤%모식분류
针对时变信号模式分类问题,建立一种过程支持向量机模型.该模型的输入为时变函数,通过核函数变换将动态模式映射到高维特征空间,经过学习训练集中函数样本类别特性,自适应提取动态模式的过程特征,直接分类辨识时变信号.证明过程支持向量机与单隐层前馈过程神经元网络的二分类能力等价;将复杂的动态模式集合非线性地映射到高维特征空间,提高动态模式的可分性;传统支持向量机是过程支持向量机的一种特例等理论性质.
針對時變信號模式分類問題,建立一種過程支持嚮量機模型.該模型的輸入為時變函數,通過覈函數變換將動態模式映射到高維特徵空間,經過學習訓練集中函數樣本類彆特性,自適應提取動態模式的過程特徵,直接分類辨識時變信號.證明過程支持嚮量機與單隱層前饋過程神經元網絡的二分類能力等價;將複雜的動態模式集閤非線性地映射到高維特徵空間,提高動態模式的可分性;傳統支持嚮量機是過程支持嚮量機的一種特例等理論性質.
침대시변신호모식분류문제,건립일충과정지지향량궤모형.해모형적수입위시변함수,통과핵함수변환장동태모식영사도고유특정공간,경과학습훈련집중함수양본유별특성,자괄응제취동태모식적과정특정,직접분류변식시변신호.증명과정지지향량궤여단은층전궤과정신경원망락적이분류능력등개;장복잡적동태모식집합비선성지영사도고유특정공간,제고동태모식적가분성;전통지지향량궤시과정지지향량궤적일충특례등이론성질.