搜索结果: 1-7 共查到“计算机科学技术 模型选择”相关记录7条 . 查询时间(0.286 秒)
近日，中国科学技术大学管理学院在时空面板数据模型的研究中取得重要进展，发现新的估计和模型选择方法。相关论文在学术期刊《美国科学院院报》（Proceedings of the National Academy of Sciences,PNAS）发表，题为“Estimation and model selection in general spatial dynamic panel data mode...
支持向量机算法多目标模型选择
支持向量机（SVM） 模型选择 多目标优化（MOO）
2009/10/9
为适应支持向量机（Support Vector Machine，SVM）算法应用过程中的不同性能指标要求，将SVM算法的模型选择问题作为一个多目标优化（Multi-Object Optimization，MOO）问题进行处理。以改进的粒子群优化（Particle Swarm Optimization，PSO）算法对该多目标优化问题进行求解，得到其Pareto解集，在具体应用中根据实际需要从Pare...
基于人工免疫的支持向量机模型选择算法
支持向量机 模型选择 免疫算法
2009/7/31
支持向量机中参数设置对训练支持向量机分类的精确度有不可忽视的影响。支持向量机参数的选取可看作参数的组合优化。免疫算法是一种有效的随机全局优化技术，它具有不易陷入局部最优解、解精度高、收敛速度快等优点。该文利用人工免疫算法进行支持向量机模型选择。该算法主要包括克隆选择、高频变异、受体编辑等操作。试验证明，该算法能够有效提高支持向量机分类的正确性。
基于网格模式搜索的支持向量机模型选择
支持向量机 模型选择 网格模式搜索
2009/7/16
支持向量机的模型选择问题就是对于一个给定的核函数，调节核参数和惩罚因子C。分析了网格搜索算法和模式搜索算法，通过结合上述两种算法的优点提出了网格模式搜索算法。其核心原理是先用网格算法在全局范围内进行快速搜索，找到最优解的最小区间，再在这个最小区间内用模式搜索算法找到最优解。实验证明，网格模式搜索具有学习精度高和速度快的优点。
基于函数集信息量的模型选择研究
子空间信息量 函数集信息量 模型选择
2009/4/29
提出了子空间信息量(SIQ)和函数集信息量(FSIQ)概念，详细讨论了基于函数集信息量的模型选择问题，给出了有限含噪声样本下模型选择的近似解决方法，很好地克服了模型选择过程中普遍存在的欠学习和过学习问题，大大提高了预测模型的泛化性能，在此基础上提出了一种可行的次优模型选择算法。最后通过具体实例验证了上述方法的可行性和优越性。
LS-SVM的GCV模型选择方法与快速算法
模型选择 快速Bootstrap 快速GCV
2008/10/29
在最小二乘支持向量机(LS-SVM)的模型选择问题中,基于再抽样技术的模型选择方法(如Bootstrap和快速 Bootstrap),不能从根本上解决计算强度过高的问题. 提出了基于GCV准则的模型选择方法,并建立了LS-SVM模型超参 数(或旋转参数)估计的快速算法. 实证研究表明:给出的快速GCV模 型选择方法不仅能保证模型的预测精度,而且在计算速度上具有相对于快速 Bootstrap的巨大优...
LS MPP的模型选择
2007/12/24
LS MPP是针对图象理解应用而设计的一种大规模并行计算系统.本文主
要介绍了并行体系结构、程序设计与计算的抽象模型的选择.这些模型的选择
为LS MPP的设计提供了基础知识.