学术知识图片库 > 自动化技术 > SMO训练算法和线性核函数的分类学习机器，具有很多吸引人的特点，它在函数表达能力、推
SMO训练算法和线性核函数的分类学习机器，具有很多吸引人的特点，它在函数表达能力、推
图片来源：
  • 李海,李春来,侯德艳. 支持向量机下机器学习模型的分析 , 吉首大学学报(自然科学版), 2010 (03). >>查看本文图片摘要
图片关键词： 效率图误差图模型图函数表训练算法核函数机器线性支持向量机机器学习
所属学科： 自动化技术
图片上下文：
  • 5　支持向量机的机器学习模型的实现装载数据后显示如图3所示.数据集线性可分的情况下,使用SMO算法的分类结果如图4所示.图3　支持向量机机器学习模型图4　SMO训练算法和线性核函数的分类6　结语支持向量机是基于统计学习理论的新一代学习机器,具有很多吸引人的特点,它在函数表达能力、....
  • >>展开全部
京 ICP 证 040431 号  网络出版服务许可证 (总)网出证(京)字第 271 号 经营性网站备案信息
京公网安备 11010802020460 号 《中国学术期刊（光盘版）》电子杂志社有限公司
KDN 平台基础技术由 KBASE 11.0 提供. © 1998-2021 中国知网（CNKI）
可信网站
用户手册| 产品标准| 数据标准| 图片分类说明