华南理工大学学报（自然科学版）
華南理工大學學報（自然科學版）
화남리공대학학보（자연과학판）
JOURNAL OF SOUTH CHINA UNIVERSITY OF TECHNOLOGY(NATURAL SCIENCE EDITION)
2008年
9期
1-5
,共5页
支持向量机%认知规律%相对变换%认知几何
支持嚮量機%認知規律%相對變換%認知幾何
지지향량궤%인지규률%상대변환%인지궤하
支持向量机(SVM)较好地解决了小样本分类问题,但仍然受稀疏数据和噪音的影响.鉴于人类具有很好的处理稀疏数据和噪音问题的能力,文中提出了模型化这些认知能力的几何化方法,特别是采用相对变换方法建立了认知相对性规律的几何化模型,并用之改进了SVM.仿真实验结果表明,改进的SVM明显提高了抵抗稀疏数据和噪音的能力.
支持嚮量機(SVM)較好地解決瞭小樣本分類問題,但仍然受稀疏數據和譟音的影響.鑒于人類具有很好的處理稀疏數據和譟音問題的能力,文中提齣瞭模型化這些認知能力的幾何化方法,特彆是採用相對變換方法建立瞭認知相對性規律的幾何化模型,併用之改進瞭SVM.倣真實驗結果錶明,改進的SVM明顯提高瞭牴抗稀疏數據和譟音的能力.
지지향량궤(SVM)교호지해결료소양본분류문제,단잉연수희소수거화조음적영향.감우인류구유흔호적처리희소수거화조음문제적능력,문중제출료모형화저사인지능력적궤하화방법,특별시채용상대변환방법건립료인지상대성규률적궤하화모형,병용지개진료SVM.방진실험결과표명,개진적SVM명현제고료저항희소수거화조음적능력.
