排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
支持向量机(SVM)花费大量时间用于对非支持向量样本的优化.根据支持向量都是位于两类边界的靠近分类超平面的样本点,本文提出首先利用基于中心距离比值法排除大部分远离分类超平面的样本,然后以最小类间距离样本数作为测度进一步选择边界样本.得到包含所有支持向量的最小样本集,构成新的训练样本集训练SVM.将提出的算法应用于解决医学图像奇异点检测问题.实验结果表明.该算法减小了训练样本集的规模,有效地缩短了SVM训练算法的时间.同时获得了较高的榆出率. 相似文献
2.
健身器品种繁多、功能各异、形式多样,但校园音乐健身器很罕见,而青年学生是一个很重要的群体,是祖国的未来,他们的健康是关注的焦点。所以针对这一问题,我们设计了一款"蜗牛"音乐健身器,以适应市场需求。 相似文献
3.
1