PCA-SS-LSSVM算法研究
近年来,支持向量机被广泛地运用于许多行业进行分类、预测分析工作,并取得了很好的效果.虽然标准支持向量机在解决小样本、非线性及高维模式识别中表现出许多特有的优势,但仍存在一定的不足,如计算速度慢、精度不高、资源占用多等.针对上述问题,在总结研究相关算法优缺点基础上,提出了一种新型的组合算法,即PCA-SS-LSSVM算法.结果表明该算法能有效弥补标准支持向量机的不足,具有更好的适应性和应用可行性.
支持向量机、分散搜索算法、主成分分析
39
TP181(自动化基础理论)
2017-08-10（万方平台首次上网日期，不代表论文的发表时间）
共5页
88-91,105
