排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
基于一类SVM的贝叶斯分类算法 总被引：1，自引：0，他引：1
提出一种基于一类支持向量机(one-class SVM)的贝叶斯分类算法,该算法用一类SVM对类条件概率密度进行估计以构造贝叶斯分类器. 证明采用高斯核的一类SVM,其解可以归一化为密度函数,并把该密度函数看作类条件概率密度的平滑估计,构造贝叶斯分类器. 实际数据集上的实验结果表明,提出的分类算法测试准确率高于简单贝叶斯分类器与贝叶斯网络分类器,不低于传统二类SVM;比传统二类SVM需要计算的核矩阵规模更小,训练时间更短. 相似文献
2.
针对实施邻域风险最小化原则的邻域支持向量解算法,根据被错分样本一定是支持向量提出一种利用支持向量删除训练样本中难学习样本的修剪算法;依据最大似然原则对已有的高斯邻域函数参数取值方法进行改进.初步实验表明,训练样本的修剪与邻域函数参数取值方法的改进可明显提高邻域支持向量解算法的泛化能力,比SVM测试准确率提高0.5%左右. 相似文献
3.
基于网格技术的数字图书馆互操作关键技术 总被引：13，自引：0，他引：13
为了解决Internet上大规模的数字图书馆互操作问题,在原有OAI-PMH框架的基础上,提出一种基于网格技术的数字图书馆互操作框架--数字图书馆网格(DL grid),给出了3层DL grid体系结构,并对元数据资源的发现、采集、重组、利用等关键技术进行了分析、设计与实现.通过集成的元数据,实现了Web上数字图书馆信息的共享. 相似文献
1