首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1056篇
  国内免费   24篇
  完全免费   315篇
  综合类   1395篇
  2021年   1篇
  2020年   30篇
  2019年   21篇
  2018年   31篇
  2017年   36篇
  2016年   37篇
  2015年   54篇
  2014年   88篇
  2013年   66篇
  2012年   124篇
  2011年   114篇
  2010年   91篇
  2009年   112篇
  2008年   118篇
  2007年   145篇
  2006年   121篇
  2005年   91篇
  2004年   52篇
  2003年   40篇
  2002年   18篇
  2001年   3篇
  2000年   1篇
  1999年   1篇
排序方式: 共有1395条查询结果,搜索用时 43 毫秒
1.
基于支持向量机的机械故障诊断方法研究   总被引:37,自引:2,他引:35  
针对因缺少大量故障数据样本而制约机械故障智能诊断发展的问题,提出了一种基于支持向量机的机械故障诊断新方法,介绍了该方法的原理和算法,并利用模拟故障数据建立了多故障分类器。这种诊断方法只需要少量的时域故障数据样本来训练故障分类器,不必进行信号预处理以提取特征量,便可实现多故障的识别和诊断。测试结果表明,当数据样本中含有26%的噪声时,故障分类器仍然能正确分类多种故障。这种诊断方法具有算法简单、可对故障在张分类和故障分类能力强的优点。  相似文献
2.
岩爆预测的支持向量机   总被引:35,自引:3,他引:32       下载免费PDF全文
针对岩爆预测问题,提出了基于支持向量机的预测方法,通过对影响岩爆因素的分析,然后运用支持向量机理论建立岩爆预测的支持向量机模型·结果表明,基于支持向量机的岩爆预测方法具有较高的准确率,该方法是科学可行的,具有广泛的应用前景·  相似文献
3.
支持向量机与最小二乘法的关系研究   总被引:32,自引:0,他引:32  
研究了支持向量机 (SVM)在二次损失函数下的优化问题解的形式 ,并与普通的最小二乘 (L S)估计问题进行了比较 ,得到了几乎完全一致的优化问题形式。由于 SVM在二次损失函数下的优化问题对应于一个欠定问题 ,该问题在最小二乘估计中有最小范数解。如果 SVM的参数选择合适 ,从理论上可以证明采用二次损失函数的 SVM函数拟合问题实际为约束最小二乘估计问题 ,并且该问题的解对应于最小范数最小二乘解。由于最小化范数解实际是 SVM在取某些参数时的一个特例 ,如果能够自动调整这些参数 ,则得到一类最小化范数解。由此提出了采用 SVM解决最小二乘法问题的思想 ,由于 SVM的优点 ,使解更加符合实际情况  相似文献
4.
交互支持向量机学习算法及其应用   总被引:31,自引:0,他引:31  
交互支持向量机学习算法能解决一些监督学习问题中学习样本较少的问题,它以支持向量机( S V M )方法为基础,将设计分类器变成一个交互的过程,即: 根据对已知样本进行的 S V M 分类器设计,主动采样选择“有用”的新样本,并进行下一步 S V M 分类器的设计。与普通 S V M 法相比,该方法所需的样本量大大降低,而且可能达到更好的推广能力。文本信息过滤问题的实例说明了该算法的有效性。  相似文献
5.
基于支持向量机的相关反馈图像检索算法   总被引:28,自引:0,他引:28  
相关反馈技术是近年来在图像检索中较为重要的研究方法 ,从机器学习的角度 ,以支持向量机 (SVM)为分类器 ,提出了一种新的相关反馈方法。在每次反馈中对用户标记的正例和反例样本进行学习 ,建立 SVM分类器作为模型 ,并根据学习所得的模型进行检索。由于 SVM分类器在一定程度上勾勒出了相关图像在特征空间中的分布 ,因而对整个图像库进行检索时可以查找到更多的相关图像。使用由9918幅图像组成的图像库进行实验 ,结果表明 :该方法可以通过交互的反馈过程 ,有效地检索出更多的相关图像 ,并且在有限训练样本情况下具有良好的泛化能力  相似文献
6.
基于主元分析与支持向量机的人脸识别方法   总被引:28,自引:1,他引:27  
基于支持向量机(SVM)在处理小样本,高维数及泛化性能等强方面的优势,提出了一种基于主元分析(PCA)与SVM的人脸识别方法,利用PCA方法对人脸图像进行特征提取,再利用SVM与最近邻分类器相结合的策略对特征向量进行分类识别,剑桥ORL的人极数据库的仿真结构验证了本算法是有效的。  相似文献
7.
支持向量机函数拟合在分形插值中的应用   总被引:28,自引:0,他引:28  
为消除分形插值曲线的断裂和周期现象 ,论文提出在分形插值的后期使用基于统计学习理论 ( SL T)的支持向量机 ( SVM)函数拟合方法。统计学习理论 ( SL T)着重研究在小样本情况下的统计规律及学习方法性质。支持向量机是建立在 SL T理论框架上新的通用学习算法。用该方法对随机生成的分形模型进行拟合实验 ,达到很好的效果。所以 ,在分形插值后期使用 SVM函数拟合 ,不但可以消除插值曲线的不确定性 ,还可以保留分形曲线显示细节变化的优点。  相似文献
8.
支持向量机的训练算法   总被引:27,自引:0,他引:27  
大量数据下支持向量机(SVM)的训练算法是SVM研究的一个重要方向和广大研究者关注的焦点。该文回顾了近几年来这一领域的研究情况。该文从分析SVM训练问题的实质和难点出发,结合目前一些主要的SVM训练方法及它们之间的联系,重点阐述当前最有代表性的一种算法——序贯最小优化(SMO)算法及其改进算法。从中可以看到,包括SMO在内的分解算法通过求解一系列规模较小的子问题逐步逼近最优解,从而避免存储整个Hessian矩阵,是解决大规模SVM训练问题的主要方法。而工作集的选择对于分解算法的收敛与否和收敛速度至关重要。  相似文献
9.
支持向量机及其在函数逼近中的应用   总被引:27,自引:0,他引:27  
支持向量机是一种新的机器学习算法,它的理论基础是Vapnik创建的统计学习理论,它采用结构风险最小化准则,在最小化样本点误差的同时,缩小模型预测误差的上界,从而提高了模型的泛化能力,本文通过SVM在函数逼近中的应用,研究了SVM的小样本学习,泛化能力和抗噪声扰动能力。  相似文献
10.
基于滚动时间窗的最小二乘支持向量机回归估计方法及仿真   总被引:25,自引:0,他引:25  
提出了一种基于滚动时间窗的最小二乘支持向量机(LSSVM)回归估计方法.该方法构造了滚动时间窗,利用滚动时间窗内的数据优化建模.模型随着时间窗的滚动进行在线更新,并对滚动时间窗内的数据分配不同的权值以充分利用数据的信息.将基于滚动时间窗的LSSVM回归估计方法应用于软测量建模.进行轻柴油凝固点的预估.结果表明,该建模方法十分有效.  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号