曹淑娟
- 作品数：5 被引量：19H指数：2
- 供职机构：华中科技大学数学与统计学院数学系更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：理学自动化与计算机技术更多>>
- 基于类中心思想的去边缘模糊支持向量机被引量：14
- 2006年
- 针对两类分类问题中样本点数量多、类别模糊且有孤立野点的情况,论文在类中心向量方法的基础上,提出了一种基于类中心思想的去边缘模糊支持向量机,该方法用类中心思想预先去掉那些可能不是支持向量的点,并采用降半哥西分布作为隶属度,使其适合模糊分类的性能特点。从理论和实证分析两个方面将该方法与线性可分SVM及模糊SVM进行了对比分析,结果显示该方法不但大大减少了训练点数目,从而减小了内存和计算量,提高了训练速度,而且减少了孤立野点对支持向量分类机的影响。
- 曹淑娟刘小茂张钧刘振丙
- 关键词：模糊支持向量机
- 预抽取相对较近边界向量的选块算法被引量：5
- 2006年
- 利用支持向量机中支持向量的稀疏性和支持向量分布于分划超平面周围的性质,该文提出了一种预抽取相对较近边界向量的选块算法的新算法,该算法减少了普通选块算法的迭代次数和提高了仅依靠相对较近边界向量的准确率,从而大大加快了支持向量机的训练速度,且支持向量机的分类能力不受任何影响。
- 孔波刘小茂曹淑娟苏展
- 关键词：支持向量机
- 基于最小超球体的快速分类法
- 2006年
- 文章提出了两种快速分类的方法——基于最小超球体的平分最近点法和基于最小超球体的按比例划分法。前者只对分别包含正、负类训练点的两类超球体线性可分的情形有效,后者则适用于线性可分和近似线性可分的两类分类问题,且在确定分划超平面时融入了对训练集分布特征的考虑。两种方法皆借鉴了平分最近点法的思想,结合超球体的几何特征,用解析几何方法就可求得分划超平面,从而避免了求解二次规划,大大缩短了训练时间,减小了内存占用量,尤其在处理大规模数据集时优势更为明显。两种方法的特点及其和平分最近点法的对比在实证中都给予了分析说明。
- 苏展刘小茂曹淑娟孔波
- 关键词：支持向量机
- Bézier曲线的几何生成法及其有效性分析
- 2006年
- 基于对Bézier曲线的三种几何生成法:简单割角法、升阶法、de Casteljau方法的讨论,找出最佳的Bézier曲线几何作图法.对三个算法的时间复杂度和生成曲线误差进行分析、比较.de Casteljau算法是最佳的Bézier曲线几何作图法.简单割角法在实现的过程中使用了递归,增大了空间复杂度;升阶法在逼近过程中会产生一定的误差,虽然这个误差可以随升阶次数增大而变小,但这样却大大影响了计算机的运算速度;而de Casteljau算法简单,稳定,可靠,直观实用,易于编程实现,且速度也相当的快,同时具有几何直观性.
- 马月德曹淑娟李玉清
- 关键词：升阶法DECASTELJAU算法BÉZIER曲线CAGD
- 核空间中的平分最近点法与模糊支持向量机
- 支持向量机(Support Vector Machines,简称SVM) 是近年来在统计学习理论的基础上发展起来的一种新的模式识别方法，在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。由于其出色的学习性能，...
- 曹淑娟
- 关键词：支持向量机模式识别统计学习理论凸壳核空间核函数
- 文献传递
