基于闭凸包收缩的最大边缘线性分类器
文献类型：期刊论文
| 刊名 | 软件学报
 |
| 出版日期 | 2002 |
| 卷号 | 013 |
| 关键词 | 闭凸集 收缩 支持向量 分类学习算法 最大边缘线性分类器 神经网络器 |
| ISSN号 | 1000-9825 |
| 其他题名 | Maximal Margin Linear Classifier Based on the Contracti9on of the Closed Convex Hull |
| 英文摘要 | SVM（support vector machines）是一种基于结构风险最小化原理的分类技术，给出了实现结构风险最小化原因（最大边缘）的另一种方法，对线性可分情形，提出一种精确意义的最大边缘算法，并通过闭凸包收缩的概念将线性不可分的情形转化为线可分情开，该算法与SVM算法其Cortes软边缘算法异曲同工，但理论体系简单，严谨，其中的优化问题几何意义清楚，明确。 |
| 语种 | 中文 |
| CSCD记录号 | CSCD:1043079 |
| 源URL | [http://ir.hfcas.ac.cn:8080/handle/334002/61692]  |
| 专题 | 中国科学院合肥物质科学研究院 |
| 推荐引用方式 GB/T 7714 | . 基于闭凸包收缩的最大边缘线性分类器[J]. 软件学报,2002,013. |
| APA | (2002).基于闭凸包收缩的最大边缘线性分类器.软件学报,013. |
| MLA | "基于闭凸包收缩的最大边缘线性分类器".软件学报 013(2002). |
入库方式： OAI收割
来源：合肥物质科学研究院
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。