学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
基于重复训练提高SVM识别率的算法
被引:7
作者
:
董春曦
论文数:
0
引用数:
0
h-index:
0
机构:
西安电子科技大学电子工程学院
董春曦
饶鲜
论文数:
0
引用数:
0
h-index:
0
机构:
西安电子科技大学电子工程学院
饶鲜
杨绍全
论文数:
0
引用数:
0
h-index:
0
机构:
西安电子科技大学电子工程学院
杨绍全
机构
:
[1]
西安电子科技大学电子工程学院
[2]
西安电子科技大学电子工程学院 陕西西安
[3]
陕西西安
来源
:
系统工程与电子技术
|
2003年
/ 10期
关键词
:
支持向量机;
模式识别;
重复训练;
识别率;
KKT条件;
D O I
:
暂无
中图分类号
:
TP391.4 [模式识别与装置];
学科分类号
:
0811 ;
081101 ;
081104 ;
1405 ;
摘要
:
持向量机 (supportvectormachine ,SVM)作为一种新的模式识别算法 ,在许多模式识别问题上表现出了良好的识别性能和推广能力。和其它模式识别方法一样 ,如何进一步提高识别率一直是研究的热点。通过分析SVM的分类机理 ,提出了一种基于重复训练的SVM算法。该算法以较小的训练代价 ,通过提高支持向量在样本中的比例 ,提高了SVM的识别性能。基于重复训练的SVM算法为提高识别率提供了一种新的思路 ,也为SVM算法的自学习奠定了基础。
引用
收藏
页码:1292 / 1294
页数:3
相关论文
未找到相关数据
未找到相关数据