原创力文档摘要
摘要
支持向量机(SVM)是机器学习的一个重要工具,它主要基于训练数据产生分类器,使测
试数据具有良好的分类效果.支持向量机在生物信息学、文本分类、人脸识别和生物医学诊
断等领域具有重要应用.传统的支持向量机研究主要基于确定性数据.然而,由于测量误差、
环境干扰等因素,现实生活中的很多数据存在不确定性.为提高分类器对含噪数据集的泛化
能力和稳健性,本文研究带不确定信息的非平行支持向量机(NPSVM)问题
摘要
摘要
支持向量机(SVM)是机器学习的一个重要工具,它主要基于训练数据产生分类器,使测
试数据具有良好的分类效果.支持向量机在生物信息学、文本分类、人脸识别和生物医学诊
断等领域具有重要应用.传统的支持向量机研究主要基于确定性数据.然而,由于测量误差、
环境干扰等因素,现实生活中的很多数据存在不确定性.为提高分类器对含噪数据集的泛化
能力和稳健性,本文研究带不确定信息的非平行支持向量机(NPSVM)问题
文档评论（0）