svr 源码搜索结果, 第29页, Verysource

论文研究-R-SVR中.pdf 提出了一种利用Manhattan距离进行人脸表情分类的新方法。Manhattan距离计算出具有不同模式的两个对象的距离更大。在实验中，比较了Manhattan距离、欧氏距离、余弦距离在人脸表情分类中的性能，得出Manhattan距离比另外两类距离有着更好的识别效果。
论文研究-基于SVR的经验模态分解端点延拓改进方法.pdf 针对经验模态分解过程中产生的端点效应问题，提出了将镜像延拓和支持向量回归机相结合的端点延拓改进方法。利用支持向量回归机对原始信号的极值点数据序列两端进行预测，用镜像延拓法确定所预测极值点的位置。该改进方法解决了支持向量回归机对长数据序列预测不准确，以及镜像延拓法对端点不是极值点的短数据序列处理效果不佳等问题。引入六个评价标准，对端点延拓方法的效果进行了分析。结果表明，该改进方法能有效地抑制经验模态分解产生的端点效应。
论文研究-基于智能遗传算法与支持向量回归的人口预测.pdf 要建立一个有效的支持向量回归（SVR）模型，支持向量回归的3个参数C，γ，ε必须预先设定。提出一种新型的遗传算法——智能遗传算法（IGA）对支持向量回归进行参数调节，以达到寻找最优参数的目的，然后和支持向量回归结合得到一种新的IGASVR模型，并应用于城市人口预测。最后，将提出的方法与标准SVR模型和BP神经网络模型进行比较，所得结果表明，该模型训练速度快，并且有较高预测精度，是一种有效的人口预测方法。
论文研究-支持向量回归机模型结构及性能的研究.pdf 总结了目前提出的四类不同结构的支持向量回归机（Support Vector Regression，SVR）模型，并在此基础上提出了三种新的模型结构，通过试验手段对比了几种典型模型的逼近性能，分析了各个模型在应用中存在的优缺点，为实际应用中采用合适的模型提供一种选择方法。
libsvm-3.23.rar LIBSVM is an integrated software for support vector classification, (C-SVC, nu-SVC), regression (epsilon-SVR, nu-SVR) and distribution estimation (one-class SVM). It supports multi-class classification. Please check it if you need some functions not ...
论文研究-新的稀疏支持向量回归机算法及实验研究.pdf ... 的重要方法，其预测速度与支持向量的稀疏性成正比。为了改进支持向量回归机的稀疏性，提出了一种直接稀疏支持向量回归算法DSKR（Direct Sparse Kernel Support Vector Regression），用于构造稀疏性支持向量回归机。DSKR算法对ε-SVR（ε-Support Vector Regression）增加一个非凸约束，通过迭代优化的方式，得到稀疏性好的支持向量回归机。在人工数据集和真实世界数据集上研究DSKR算法的性能，实验结果表明，DSKR算法可以通过调控支持向量的数目， ...
论文研究-多维输出SVR的ECT两相流图像重建方法.pdf 根据电容层析成像（ECT）中两相流识别问题的特点，提出基于多维输出支持向量回归机（MSVR）的图像重建算法。采用超球空间不敏感损失函数的MSVR是支持向量机理论的一个重要分支，它有效地克服了神经网络算法中的过学习问题，具有较强的泛化能力。近似迭代变权最小二乘法（IRWLS）在保证MSVR回归精度的基础上，有效地简化了其求解过程，可快速建立电容测量值与成像区域介电常数分布之间的非线性映射关系。对包含6种典型两相流流型的仿真数据进行实验。结果表明，该方法泛化能力强，图像重建精度高。
论文研究-基于加权支持向量回归的网络流量预测.pdf 网络流量预测对于网络的安全和可用性至关重要，但是，传统的网络流量预测方法使用平均时间加权的方法进行预测，缺泛化能力导致预测精度低。基于每一个网络流量历史数据到预测点的时间间隔计算其时间权重，使用带时间权重的加权支持向量回归模型w-SVR预测网络流量。该模型因为其泛化能力和为每个训练数据设置单独的权重而提高了网络流量预测的准确性。模拟实验显示w-SVR模型相对于ANN和AR模型，预测错误率分别降低了37.4%和65.6%，而标准误差降低了46.2%和53.3%。
论文研究-一种基于颜色纹理和相关反馈的图像检索方法.pdf 对用于回归估计的标准SVR算法加以改进，提出了回归型支持向量机的一种改进算法。并针对医学上胆固醇含量测定问题进行了回归估计。实验表明，该算法在运算速度和回归估计精度的稳定性上都明显优于标准算法，特别适于解决大规模样本问题。
论文研究-基于经验模态分解的混合软件可靠性预测模型.pdf ... ，1）对剩余分量进行预测，然后将预测结果进行重构，得到最终软件可靠性预测值。为了验证所提混合预测模型的有效性，利用两组真实软件失效数据，与SVR可靠性预测模型和GM（1，1）可靠性预测模型进行实验对比分析，实验结果表明，所提混合预测模型较这两种可靠性预测模型具有更精确的预测精度。

关键字：svr