电光与控制
電光與控製
전광여공제
ELECTRONICS OPTICS & CONTROL
2010年
10期
6-9
,共4页
统计学习理论%目标识别%直推式支持向量机(TSVM)%K近邻法(KNN)
統計學習理論%目標識彆%直推式支持嚮量機(TSVM)%K近鄰法(KNN)
통계학습이론%목표식별%직추식지지향량궤(TSVM)%K근린법(KNN)
为了进一步提高改进的渐进直推式支持向量机学习算法(IFTSVML)的速度,提出了一种结合K近邻法(KNN)的改进的渐进直推式支持向量机学习算法,利用KNN对无标签样本集进行删减,去掉对学习作用不大的无标签样本,再对有标签样本集和剩余的无标签样本集利用IPTSVML算法进行学习与分类.雷达实测数据实验结果表明该算法是有效的.
為瞭進一步提高改進的漸進直推式支持嚮量機學習算法(IFTSVML)的速度,提齣瞭一種結閤K近鄰法(KNN)的改進的漸進直推式支持嚮量機學習算法,利用KNN對無標籤樣本集進行刪減,去掉對學習作用不大的無標籤樣本,再對有標籤樣本集和剩餘的無標籤樣本集利用IPTSVML算法進行學習與分類.雷達實測數據實驗結果錶明該算法是有效的.
위료진일보제고개진적점진직추식지지향량궤학습산법(IFTSVML)적속도,제출료일충결합K근린법(KNN)적개진적점진직추식지지향량궤학습산법,이용KNN대무표첨양본집진행산감,거도대학습작용불대적무표첨양본,재대유표첨양본집화잉여적무표첨양본집이용IPTSVML산법진행학습여분류.뢰체실측수거실험결과표명해산법시유효적.
