实体
Least squares support vector machine
Least squares support vector machine
PulseAugur coverage of Least squares support vector machine — every cluster mentioning Least squares support vector machine across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的AW-LSSVM方法提高了多视图分类的准确性
研究人员开发了一种自适应加权最小二乘支持向量机（AW-LSSVM），旨在增强多视图分类。该新方法通过分配自适应样本权重，迭代地强制执行不同数据视图之间的互补学习。这些权重是根据其他视图的误分类错误计算的，可以通过平均它们或强调不相似视图的错误。实验表明，AW-LSSVM在多个基准数据集上优于现有的多视图分类技术。
-
新的精英驱动SVM通过基准模型指导松弛变量来增强分类
研究人员推出了一种名为精英驱动支持向量机（EDSVM）的新型框架，旨在通过整合可信的基准模型来增强二元分类。EDSVM通过使用一组精选的精英观测值来指导松弛变量，从而增强了标准的经验风险最小化，有效地将新模型导向已建立的参考模型。这种方法提供了对参考模型的局部、边距对齐的邻近性，而没有知识蒸馏的全局惩罚，也不需要特权特征。已经开发了C-EDSVM和LS-EDSVM两个变体，并推导了双二次规划用于实现，模拟研究表明其性能与现有的SVM方…