超平面

  • 基于SVM 的迁移学习方法在互联网金融网页分类中的应用*
    的参数控制模型超平面的位置,以缓解正负样本不平衡对分类准确率的影响。文献[6]提出基于主动学习的半监督支持向量机学习算法,以少量的有标记数据来训练初始学习器,通过主动学习策略来选择最佳训练样本,并通过删除非支持向量来降低学习代价,获得较好的学习效果。文献[7]提出了一种基于迁移学习与权重支持向量机的图像自动标注方法,解决了所选数据集规模较小,无法训练出最优的卷积神经网络的问题。文献[8]基于迁移学习算法对SVM 模型进行优化(Transferlearnin

    通信技术 2023年7期2023-09-12

  • D 型Fock 空间与量子对称对
    ,k是以下仿射超平面的反射并且所有这样的反射生成了仿射Weyl 群Waff.对于两个权 λ,µ∈X+,如果存在w∈Waff使得λ=w·µ,那么称它们是相连接的.需要注意的是,这里不是仿射外尔群的“点”作用,因为有ρ-平移.由文献[8]的定理4.3,如果Dq(λ)和Dq(µ)在同一个块,那么λ和μ是相连接的.下面由LANINI 等[1]给出的同构将 F(DN)和[Uqmod]联系起来.命题3F(DN) 和[Uq-mod]之间有一个 Q(v)向量空间同构,通过

    北京理工大学学报 2023年8期2023-08-21

  • 亚纯映射分担移动目标的唯一性定理
    纯映射分担移动超平面的唯一性问题要追溯到20年前的文[1-2],接着许多学者也研究这一方向,文章主要集中在文[3-19]。这些年来,关于亚纯映射分担超平面和移动超平面的唯一性问题受到了许多学者的关注。关于这方面最让人感兴趣的研究方向有2个:一个是超平面(移动超平面)的最佳个数是多少?2009年,Chen-Yan[4]得到目前最佳超平面个数q=2n+3。2005年Thai-Quang[5]证明了在亚纯映射为线性非退化的条件下移动超平面的个数q=2n2+4n(

    南昌大学学报(理科版) 2023年2期2023-06-07

  • 一种改进的鲁棒模糊孪生支持向量机算法
    构建两个非平行超平面。基于GEPSVM算法的思想,文献[3]提出了孪生支持向量机算法(TWSVM),在运行速度上,TWSVM算法比SVM算法大约快4倍。但是,GEPSVM算法和TWSVM算法都没有考虑不同输入样本点对最优超平面的影响,为此,文献[4]提出了模糊支持向量机算法(fuzzy support vector machine,FSVM),文献[5]将TWSVM算法和FSVM算法结合,提出了模糊孪生支持向量机算法(fuzzy twin support

    计算机工程与应用 2023年1期2023-01-13

  • 一类伪单调变分不等式的双投影算法
    迭代点和解集的超平面,通过向该超平面与约束集的交上投影得到收敛到解的无穷迭代序列.2006年,He[8]利用F(zk)和rμ(xk)构造了一种新的超平面,进而提出了一种求解伪单调变分不等式的的双投影算法,该算法具有较好的数值计算结果.随后许多学者通过构造不同的超平面提出了不同的双投影算法[9-11].受此启发,本文利用F(zk)、F(xk)和rμ(xk)给出一类与以往不同的新的超平面,它能严格分离当前迭代点和解集,从而建立了一种新的双投影算法.在映射F连续

    四川师范大学学报(自然科学版) 2022年6期2022-11-28

  • 涉及导曲线与分担超平面的正规定则
    ,当t=3,即超平面处于一般位置时,只须要求 2t+2=8个超平面即可。2 定义与符号先介绍 PN(C)相关的定义与符号[5]。PN(C)=CN+1{0}/~是N维复射影空间。对任意x=(x0,x1,···,xN),y=(y0,y1,···,yN),x,y∈CN+1{0},x~y当 且仅当存在某个 λ ∈C, 使得(x0,x1,···,xN)=λ(y0,y1,···,yN)。 (x0,x1,···,xN) 的等价类记作[x]=[x0:x1:···:xN],

    上海理工大学学报 2022年5期2022-11-24

  • 基于分解和超平面拟合的进化超多目标优化降维算法
    文设计了一种用超平面拟合的算法,提出了算法LHA和NLHA[15]。该方法利用多目标进化优化算法求得PF的一组近似解,再用一个超平面去拟合这组近似解,从而判断出哪些目标是冗余的。该方法简单、高效,不仅可以处理冗余目标与单个目标正相关,还能处理冗余目标与多个目标线性组合正相关的目标降维问题。遗憾的是,LHA在处理PF为非线性的降维问题时易出错,这点在LHA处理测试问题集MAOP(I, m)中有反映出来;而NLHA是通过一种目标的幂变换,来使非线性的PF映射到

    电子与信息学报 2022年9期2022-09-22

  • 交互偏移支持矩阵机及其在滚动轴承故障诊断中的应用
    ,构造两个平行超平面来分割不同类型样本。当原始数据线性不可分时,如异或(Exclusive OR,XOR)问题,SVM 很难找到一对线性超平面对数据样本进行有效分割。针对该类问题,Li 等[4]提出多目标近似支持向量机(Multi-task Proximal Support Vector Machine,MPSVM),其通过求解两个广义特征值问题,构造出两个非平行的分类面对不同数据进行分割,能够较好应对异或问题;Chen 等[5]以经验风险最小化作为基本框

    振动工程学报 2022年3期2022-07-26

  • 一种改进的多分类孪生支持向量机
    生一对非平行的超平面,分别对应于两类相应的样本,使得某一类样本尽可能距离相对应的超平面近,同时尽可能远离另一类的超平面。理论上TWSVM每次求解一个QPP问题的规模是传统SVM问题的一半,所以TWSVM求解问题的速度是SVM的四倍[4]。为了提高TWSVM的性能,国内外众多学者对其进行改进,进而提出了不少改进算法。例如,投影孪生支持向量机(Projection TWSVM)[5]和基于Chen-Harker-Kanzow-Smale(CHKS)函数的光滑孪

    计算机应用与软件 2022年4期2022-06-24

  • 一维线性化可压缩Navier-Stokes方程组的近似能控性
    P(D)的特征超平面一定与Ω1相交.(14)(15)对式(15)中x求导, 得(16)由式(14)~(16), 得即(17)把式(10)代入式(17), 得(18)定义算子(19)引理2P(D)的特征超平面是t=C1和t+x/V0=C2, 其中C1和C2都是常数.证明: 假设Π={(x,t):ξx+ηt=C}是P(D)具有法向量(ξ,η)≠(0,0)的特征超平面.根据定义1, 可知因此ξ=0或η=V0ξ.从而特征超平面Π的法向量是(0,1)和(1/V0,1

    吉林大学学报(理学版) 2022年2期2022-05-30

  • 基于决策边界的倾斜森林分类算法
    算法把倾斜分裂超平面这一概念引入随机森林的分裂准则中。通过赋予各个类自适应权重,提高OFDB算法不平衡数据分类能力。为使算法可以解决多类分类问题,本文在单个结点分裂过程中采用“一对多”的策略。实验结果表明,OFDB算法分类准确率相比于的随机森林算法有较大提升,并且OFDB算法在处理不平衡数据集方面,比随机森林算法有更好的表现。1 随机森林与决策边界随机森林是由决策树组成的组合分类器,由装袋、决策树构建、袋外估计组成。对于给定的n个元组m个属性的分类数据集(

    计算机工程与设计 2022年2期2022-03-01

  • 基于非线性核的SVM模型可视化策略
    在可视化上刻画超平面,导致可视化后的SVM模型仍然难以被直观理解。(2) 基于数据与超平面关系的可视化方法。Caragea等[5]借助tours工具对多维数据进行低维线性投影,并通过网格采样点来夹逼不同类之间的边界。Hamel[6]采用自组织映射将多维数据投射到二维空间,并在支持向量之间适当模拟一个判别超平面。Ma等[7]将模型分为线性核和非线性核,对于线性核,通过包围盒采样线性超平面上的点,然后平行投影到二维空间,利用这些点的密集分布刻画超平面;而对于非

    计算机应用与软件 2022年2期2022-02-19

  • 全纯曲线正规族分担超平面
    处于一般位置的超平面,使得f(C)⊈Hj,g(C)⊈Hj,f(z)和g(z)分担Hj,1 ≤j≤q。如果q≥2N+3,则f=g。这里的“分担”意味着不仅f(z)∈Hjg(z)∈Hj,而且要求在Yang等[4]考虑了全纯曲线正规族理论的相应结果,得到定理2。定理2F 是从D⊂C 到 PN(C)的全纯曲线族,Hj是q≥2N+1个在 PN(C)上处于一般位置的超平面,1 ≤j≤q。假定对于任意的f,g∈F,f(z)∈Hj⇔g(z)∈Hj,z∈D, 1 ≤j≤q,

    上海理工大学学报 2021年6期2021-12-29

  • 有限维Banach空间中完备集的构造
    一对平行的支撑超平面之间的欧氏距离均等于该集合的直径,则称该凸集为等宽集.显然,Rn中的球都是等宽集.此外,Rn中还有许多异于球的等宽集,关于Rn中等宽集的相关问题和结论详见文献[1-3].Rn中等宽集的概念可以通过不同的方式推广到一般的Banach空间中,其中常见的Banach空间中常宽集的定义方法如下[4]:设X*是Banach空间X的共轭空间,M是X中的一个有界闭凸集,集合δ(M)={‖x-y‖:x,y∈M}表示M的直径.若对任意的单位泛函f∈X*,

    中北大学学报(自然科学版) 2021年5期2021-11-15

  • 基于SVM 的新闻文本分类研究
    的平面称为最优超平面,当数据是线性可分离时,最优超平面距离两类点的边距最大;当数据不是线性可分离时,利用损失函数对越过超平面的点进行惩罚或使用核变换,将非线性可分的数据转化到高维度以便找到线性判定边界。SVM 尝试寻找一个最优的超平面使得两类样本到这个平面的距离最大。样本中距离超平面最近的一些点,决定超平面的选取,将这些点称为支持向量。任意超平面可以用下面的线性方程描述:所有支持向量到超平面的距离可以写为两类支持向量到超平面的距离之和为由于原式中有不等式约

    魅力中国 2021年44期2021-11-15

  • 基于改进模糊C回归聚类的水轮发电机组的模糊辨识
    展了一系列基于超平面型聚类的T-S 模糊模型辨识方法[10-14]。为了提升聚类效果,进一步提高模糊模型辨识精度,笔者对于模糊C 回归算法进行了改进。首先,笔者应用改进后的模糊C 回归算法进行前提部分辨识。初始化聚类超平面,通过最小化聚类目标函数求得聚类样本对于超平面的隶属度,并将得到的回归方程与系统实际输出之间的距离的倒数作为权值赋予各样本的隶属度,加权后的隶属度构成的对角矩阵作为加权最小二乘法的权重矩阵,用以更新聚类超平面。在迭代达到精度要求后,即得到

    中国农村水利水电 2021年9期2021-09-28

  • 支持向量机的电力故障检测方法研究
    造一个最优分类超平面,SVM以最大间隔为优化目标,实现了学习模型的结构风险极小化。它在处理小样本数据方面性能卓越。同时,它的全局最优解可通过优化一个凸二次规划问题来获得。SVM的优势受到了学术界与工业界的关注,并且已被成功地应用了到各大领域[2-4],比如故障检测、场景识别、金融信用、生物识别等。为解决SVM在处理异构数据分布学习问题上性能较差的不足,Jayadeva等[5]在机器学习领域期刊TPAMI上提出了非平行支持向量机学习范式,并在此基础上给了一个

    自动化仪表 2021年5期2021-06-17

  • 基于支持向量机的实践及应用
    求解的最大边距超平面。SVM使用铰链损失函数计算经验风险并在求解系统中加入了正则化项以优化结构风险,是一个具有稀疏性和稳健性的分类器。SVM可以通过核方法进行非线性分类,是常见的核学习方法之一。1 基本原理标准SVM是基于二元分类问题设计的算法,无法直接处理多分类问题。利用标准SVM的计算流程有序地构建多个决策边界以实现样本的多分类,通常的实现为“一对多”和“一对一”。一对多SVM对m个分类建立m个决策边界,每个决策边界判定一个分类对其余所有分类的归属;一

    家园·电力与科技 2021年9期2021-01-06

  • 基于区间二型T-S模糊系统的压电迟滞特性建模
    类算法作为一种超平面型聚类算法,其迭代产生的超平面与T-S模糊模型的子模型有相似的结构, FCRM聚类算法更适合于T-S模型模糊区间的划分。KUNG等[7]提出了FCRM聚类算法的有效性准则,用来选择合适的聚类个数,但对于给定的压电输入信号来说,所需划分的聚类个数有限,并不需要有效性准则的判断。CHANG等[8]使用垂直距离公式替换了传统聚类算法的误差公式,使聚类划分更准确,但并未进一步考虑聚类算法和模型的结构匹配问题。在模糊前件参数辨识方面,LI等[9]

    压电与声光 2020年6期2021-01-05

  • 基于不等距超平面距离的模糊支持向量机①
    确度较低.另外超平面的位置对支持向量机的性能有很大的影响,并且超平面的确定极易受样本中噪点的影响[7].所以为了解决上述问题,提高支持向量机的分类性能成为众多学者亟待解决的问题[8].在支持向量机的决策过程中,决策面位置的选取取决于样本空间的分布.由于不平衡数据集的类不平衡性较大,许多样本点对决策面的确定贡献度不大,容易识别为噪声并对分类器的性能造成影响.模糊向量机可以改善噪声数据造成的分类精度下降现象,通过为样本点赋予不同的隶属度来确定样本点的性质.但传

    计算机系统应用 2020年10期2020-11-13

  • 通有构形的特征多项式
    将V中有限个超平面所组成的集合称为一个超平面构形, 简称构形, 记为A.若构形A所在空间V的维数为n, 则定义A的维数为n.设W是欧氏空间E=n中的一个有限Weyl群, 固定W的一个正根系Φ+.对于任意α∈Φ+,k∈, 定义超平面H(α,k)={v∈E|α(v)=k}, 则构形A={H(α,0)|α∈Φ+}就是与W对应的Weyl构形.Weyl构形的变形形式有Shi构形、 Catalan构形和Shi-Catalan构形等, 目前已成为该领域的研究热点[3-

    吉林大学学报(理学版) 2020年1期2020-02-10

  • 关于Kaczmarz算法的一个注记
    ∈Rn投影到超平面αTx=d 内,记其投影点为P(z).事实上,由超平面方程αTx=d 可得,图1 点Z在超平面内的投影示意图在ΔABC 中,依据向量的加法法则可得|A→B |=|C →D |=|C →A |cos∠DC .结合式(3)可得点z 在超平面αTx=d 上的投影P(z)为由式(4)可得Kaczmarz算法的迭代格式(2).2.2 利用最小二乘理论对于上述给定的α ∈Rn,d ∈R ,将任意点z ∈Rn投影到超平面αTx=d 的投影等价于逼近问

    天水师范学院学报 2019年5期2019-12-24

  • 基于DEA生产可能集交形式的交叉效率测度
    能集的不同前沿超平面相联系。欲认识这一点,需考虑DEA生产可能集的交形式,在该种形式下,生产可能集的前沿面具有确定性。二、DEA生产可能集的交形式一个基本事实是,经典DEA模型绩效评价的标准是由弱DEA有效的决策单元所确立的,与非弱DEA有效的决策单元并无多大关联。因此,交叉效率的标准也主要决定于弱有效决策单元,非弱有效决策单元只能接受、选择标准。类似地,DEA生产可能集的交形式也仅决定于弱有效决策单元。考虑及此,可利用集合的交形式测评交叉效率。DEA不仅

    统计与信息论坛 2019年11期2019-11-11

  • 自适应的SVM增量算法*
    分布来确定最优超平面,确定最终超平面的样本被称为支持向量。在SVM增量学习过程中,最优超平面会随着训练集中样本特征空间分布的变化而被动态调整。因此,如何将最有可能成为新支持向量的样本加入到增量训练集中是SVM增量学习的关键。目前,大多数基于SVM的增量学习算法通过将更多对超平面划分有影响的样本加入到新训练集中的方法来改进SVM增量训练过程。Syed等人最早提出了基于SVM的增量学习算法[3],该算法仅保留支持向量样本,舍弃所有非支持向量的样本。当新样本加入

    计算机与生活 2019年4期2019-05-07

  • 欠约束多机协调吊运系统动力学工作空间分析
    q作为一个分离超平面的法向量,这个超平面分离了2个集合,一个是由A中各个列向量组合而成的凸锥,另外一个是向量C.这个凸锥是A中所有单位旋量ei组成的空间.如果向量C不属于这个凸锥的空间,则说明这个超平面存在,这样式(17)有解,也就说明式(16)无解.因此,要使动力学工作空间的条件成立,即式(16)有解,就必须不能形成分离的超平面.这其中有一种特殊情况,C位于超平面上,这样CTq=0,显然式(17)无解,这样式(16)也有解.由于q是法向量,是一些向量的叉

    上海交通大学学报 2019年2期2019-03-06

  • 采用划分融合双向控制的粒度支持向量机
    要的信息分布于超平面附近,称为强信息区,超平面远端的信息对分类影响较小,称为弱信息区,本文提出的方法通过对强信息区的强信息粒进行深度划分,同时融合弱信息区的弱信息粒,使训练数据始终动态保持在较小规模。该方法分为两个阶段,首先通过聚类算法对原始数据集进行初始粒划分,挑选粒中代表信息组成新的训练集训练得到初始分类超平面,然后通过迭代划分融合的方式深度划分强信息粒,同时融合远端弱信息粒。实验表明,该方法能够在保证模型精度的条件下显著提升SVM 的学习效率。1 粒

    智能系统学报 2019年6期2019-02-27

  • 基于混合采样的非平衡数据分类算法*
    系数来降低分类超平面的偏移度,此方法简单易行并且具有一定效果。然而,当少数类样本过分稀疏时,采用此方法会因分类超平面过分拟合少数类样本而影响分类效果。Jian等人[16]提出的基于不同贡献度的采样算法(different contribution sampling,DCS),认为支持向量是更靠近决策边界的样本,贡献度更高,因此针对支持向量和非支持向量采用混合采样方法,即使用SMOTE和随机欠采样技术来分别对少数类样本中的支持向量和多数类样本中的非支持向量进

    计算机与生活 2019年2期2019-02-13

  • 改进的FSVM算法用于非平衡情感数据分类
    点对最优的分类超平面所造成的影响。文献[5]提出了DEC算法分别给两类样本赋权重,但这种方法没有考虑到样本点周围的疏密性对分类超平面的影响。文献[6]提出了一种近似支持向量机(Proximal SVM),将模型转化为简单的二次规划问题,提高了学习速度。文献[7]通过对支持向量上采样提出了一种不平衡数据分类方法。文献[8]提出了一种核函数选取和欠采样相结合的算法来提高少类样本的准确率。本文提出一种FSVM算法,考虑到每个样本临近区域的样本分布状况以及样本集的

    计算机工程与设计 2018年11期2018-11-17

  • 超平面距离的非平衡交互文本情感实例迁移方法
    M[3]方法中超平面构造的思路启发,本文提出一种基于实例同超平面距离的源数据集可迁移实例筛选算法,以解决如何有效地向目标数据集引入新信息的问题。在构造的合成数据集上训练出泛化性能优的分类模型,克服泛化性能弱的难点。1 相关工作在现实中非平衡问题广泛存在,目前解决非平衡分类问题主要采用从数据集层面上和算法层面上处理两类方法。数据集层面的方法通过改变训练集的规模与特征分布,降低不平衡度来提高分类性能,典型方法有Oversampling、Subsampling、

    西安交通大学学报 2018年10期2018-10-15

  • 一种基于鲁棒回归的相控阵天线校准技术
    包括样本采集、超平面样本点拟合、超平面参数推导校准值三个步骤。2.1 样本采集图1给出了有源相控阵天线接收通道校准框图,包括天线单元、TR组件、和差网络、接收机及信号源,本文方法在该框架下采集数据样本。具体来说,信源产生信号x,由于信源在天线法线方向,则达到天线端口的信号x幅度相位相同。信号经每个天线单元、接收通道和移相器产生不同程度的幅度衰减和相移,设a(i)为第i个通道的幅相偏移,c (i)为第i个通道的移相器值,则第i个通道的输出信号为:上式均为复信

    电子世界 2018年14期2018-08-07

  • 轮图和联图对应图构形的特征多项式
    4)0 引 言超平面构形是一类具有非孤立奇点的超曲面, 是有限维向量空间中有限个超平面形成的集合. 超平面构形在组合学、代数学、代数组合学、拓扑学等领域应用广泛[1]. 目前, 构形的研究主要集中于构形自由性理论的Terao猜想及复空间中构形余集的拓扑性质等问题上[2-6]. 研究表明, 构形的Orlik Soloman代数的Poincaré多项式, 以及复构形补空间的Betti数都与特征多项式联系密切. 因此, 关于重构形、子空间构形、图构形等的特征多项

    吉林大学学报(理学版) 2018年4期2018-07-19

  • 不平衡数据集中分类超平面参数优化方法①
    M算法通过分类超平面来判断样本的类别, 在解决不平衡数据的分类问题时, 分类结果会偏向于多数类样本点集合, 使得少数类样本点的分类正确率低, 而多数类分类准确率高.当前针对不平衡数据集SVM分类的改进, 一般集中在数据清洗和算法改进两个方向上. 许多学者都提出了具有代表性的改进方法, 如对于样本的欠采样方法 SMOTE[1], 过采样方法 Tomek links[2]以及它们相应的改进算法[3,4], 都是通过不同方法增加少数类样本或减少多数类样本, 来达

    计算机系统应用 2018年7期2018-07-18

  • 涉及周期移动超平面的全纯曲线差分形式的第二基本定理
    eral位置的超平面现考虑用周期移动超平面代替超平面,得到定理1。2 符号与定义为差分Wronskian行列式。3 主要引理这里,证明 因为移动超平面在中逐点处于N-subgeneral位置,所以,对任意参考文献:[1]NEVANLINNA R. Zur theorie der meromorphen funktionen[J]. Acta Mathematica, 1925, 46(1/2): 1-99.[2]RU M. Nevanlinna theor

    上海理工大学学报 2018年2期2018-05-22

  • 一种基于支持向量机中分离超平面求取的算法*
    支持向量机分离超平面的求解算法采用迭代算法,充分利用支持向量机的特点,分离超平面首先要将样本训练数据集完全分开,其次是正类支持向量和负类支持向量到分离超平面的距离相等。将感知机算法获得的完全分离训练数据集的超平面进行旋转和平移,直到几何间隔达到最大且完全分离训练集。此时的分离超平面就是支持向量机的分离超平面。1 问题的表述假设给定一个训练数据集:T={(x1,y1),(x2,y2),…,(xN,yN)}其中xi∈X=Rn,yi∈{+1,-1},1≤i≤N,

    重庆工商大学学报(自然科学版) 2018年3期2018-05-11

  • 射影空间上涉及q,c阶差分算子的第二基本定理
    处于一般位置的超平面,则式中,Nram,f(r)=N(r,W(f)=0)是f的朗斯基行列式零点的计数函数.S(r,f)=o(T(r,f)),r→且r∉E,这里E⊂(0,+)是一个对数测度为有穷的集合.2006年,Halburd等[8]考虑用差分算子Δcf=f(z+c)-f(z)≢0来替代f′,得到了涉及差分算子所对应的情形.定理3[8]设f是复平面上的有穷级亚纯函数,满足Δcf=f(z+c)-f(z)≢0,其中c≠0是常数,则对于q个互异的点a1,…,aq

    上海理工大学学报 2017年6期2018-01-16

  • 两种减少噪声对双支持向量机影响的方法
    同样本点对最优超平面所产生的影响,而是同等对待所有的训练数据样本来构造最优超平面,从而无法降低噪声对分类面的影响。为了克服这个缺点,总结提出了两种方法,一是将模糊技术应用于双支持向量机中,对不同的样本采用不同的惩罚权系数,找到适合的隶属度函数来提高双支持向量机的分类准确率;二是将超球体技术与双支持向量机相结合,清除数据样本中的噪声,减小系统结构误差。实验证明这两种方法能有效的减少噪声的影响。双支持向量机;模糊隶属度;超球体支持向量机(SVM)是在统计学习理

    福建质量管理 2017年7期2017-08-30

  • 多重超平面完备残差图
    0067)多重超平面完备残差图段辉明1,邵凯亮1,张清华1,曾 波2(1.重庆邮电大学理学院,重庆 400065)(2.重庆工商大学商务策划学院,重庆 400067)本文研究了任意维超平面完备残差图和多重超平面完备残差图,将Erd¨os、Harary和Klawe’s定义的平面残差图推广到任意维超平面.利用容斥原理以及集合的运算性质等方法,获得了任意维超平面完备残差图的最小阶和唯一极图,以及任意维超平面完备残差图的一个重要性质,同时获得了多重任意维超平面完备

    数学杂志 2017年4期2017-07-18

  • Force degradation behavior of glucocorticoid deflazacort by UPLC: isolation, identification and characterization of degradant by FTIR, NMR and mass analysis
    ,并构造最优化超平面从而获得x和y的预估方程。Deflazacort was degraded at 1 hour in 0.1 N NaOH; degradants were obtained at 4.85 minutes and drug peak was obtained at 5.234 minutes. After refluxing the drug for two days, no degradant was obtained and a

    THE JOURNAL OF BIOMEDICAL RESEARCH 2016年2期2016-12-13

  • 基于凸集理论的绳牵引串并联机器人工作空间算法
    ,通过确定初始超平面找出凸集所有的边界超平面,根据初始超平面偏移的距离确定边界超平面投影位置; 然后推导出旋量平衡的判定表达式,并采用数值分析的方法得到绳牵引机器人的力旋量可行工作空间;最后,采用该算法对两种典型的绳牵引串并联机器人进行工作空间求解,结果验证了所提出的基于凸集理论工作空间求解方法的有效性。绳牵引机器人;工作空间;旋量理论;凸集理论0 引言绳牵引机器人是一种用柔性绳索代替传统刚性连杆的新型机器人,通过电机驱动绞盘改变每根绳索的长度,实现末端执

    中国机械工程 2016年18期2016-10-13

  • 一种基于SIFT特征的快速图像匹配算法
    数合理确定左右超平面位置,引入平衡因子作为结点分割方法选择的依据,采用近似最近邻搜索算法加快特征点匹配速度。给出算法的详细实现过程,并应用两幅图像进行验证。实验结果表明:SIFT特征向量采用改进SP-Tree结构在损失少部分匹配点的同时,提高了SIFT特征点的整体匹配速度,适合于图像特征的实时匹配过程。关键词图像匹配SIFT特征KD-TreeSP-Tree最近邻搜索0引言图像匹配是一种研究同一场景中两个不同视角下的图像之间对应关系的技术,是计算机视觉应用研

    计算机应用与软件 2016年7期2016-08-05

  • 双群体门限秘密共享方案的一种几何设计
    过两个不平行的超平面的法线交点来重构主密钥。结果表明,该门限方案是理想的,既能实现参与者的动态加入与退出以及门限值的改变,又能实现多个秘密共享,还能灵活地更新主密钥。其中每个参与者始终只需掌握一个不变的子密钥即可,管理和使用都比较方便。方案能有效地检测和识别庄家D对参与者以及参与者之间的欺骗行为,以确保重构的主密钥是安全和可靠的。门限秘密共享 双群体 多维超平面 离散对数 参数曲面0 引 言秘密共享技术是保密通信中密钥管理的重要手段。其思想方法是将主密钥(

    计算机应用与软件 2016年4期2016-05-09

  • 基于多区域划分的模糊支持向量机方法
    基于样本到类内超平面距离的FSVM方法相比,该方法具有更好的抗噪性能和泛化能力。模糊支持向量机;多区域划分;野值;支持向量;隶属度支持向量机(support vector machine,SVM)[1]是在统计学习理论和结构风险最小化基础上发展起来的一种新的机器学习方法,特别是在解决小样本、局部极小、高维和非线性模式识别中表现出较强的泛化能力。但SVM在构建最优分类面时视所有样本为等价的,当样本中存在野值或孤立点时,容易造成过学习的现象。为此,Lin等[2

    中南大学学报(自然科学版) 2015年5期2015-10-13

  • 鲁棒的加权孪生支持向量机
    类内近邻图使得超平面远离边界点中权重较大的样本,降低算法对噪声点敏感的风险。人造数据集和真实数据集上的测试结果验证算法RWTSVM的有效性。孪生支持向量机;局部几何结构;噪声点;鲁棒性;分类对于二分类问题,传统支持向量机(SVM)依据大间隔原则生成分类超平面,存在的缺陷是计算复杂度高且没有充分考虑样本的分布[1,2]。近年来,作为SVM的拓展方向之一,以孪生支持向量机(TWSVM)[3]为主要代表的非平行超平面分类器(NHCs)[4]正逐渐成为模式识别领域

    中南大学学报(自然科学版) 2015年6期2015-10-13

  • 一类图构形的特征多项式
    130022)超平面构形是奇点理论的一个分支,它是一类具有非孤立奇点的超曲面。超平面构形是处在组合学、代数学、拓扑学、代数几何学等多个学科交汇处的一门年轻的学科,它的巨大魅力在于:能从组合学以及代数学等不同角度去描述它的拓扑不变量。特征多项式作为构形的一个组合不变量,在构形组合、代数、拓扑性质的研究中,起到非常重要的作用。本文利用图论中的顶点着色理论给出一类特殊图构形的特征多项式。超平面构形;图构形;特征多项式超平面构形是指有限维向量空间中有限个超平面所形

    长春理工大学学报(自然科学版) 2015年6期2015-10-12

  • “退维”思想的妙用
    设n个k-1维超平面至多能把k维空间分割成t(n)个区域,则{t(n)}是一个k阶等差数列(k≥1,k∈N*),且t(n)=C0n+C1n+C2n+…+Ckn=ki=0Cin.证明:对k值用数学归纳法证明.(ⅰ)当k=1时,由题目1知结论成立.(ⅱ)假设当k=r(r≥2)时,n个r-1维超平面至多能把r维空间分割成y(n)个区域,{y(n)}是一个r阶等差数列. 则当k=r+1(r≥2)时,设n个r维超平面至多能把r+1维空间分割成z(n)个区域. 则n-

    理科考试研究·高中 2014年11期2014-11-26

  • 便携心电传感器的心房肥大诊断研究
    构造出最优分类超平面,使得样本集可以被该超平面尽可能正确地分开,并使离超平面最近的Vector与超平面之间的距离最大。选择适用于心房肥大识别的核函数、扩展其算法,让SVM在心房肥大识别特定领域发挥得更出色。本文所研究的算法适用于便携式心电传感器的应用。1 小样本情况下的分类器分类器的分类准确率常与训练样本数据量密切相关,由于心房肥大数据匮乏,故对小样本情况进行研究。文中使用MGH/MF数据库中32例左心房肥大心电数据和100例正常心电数据作为训练和识别的数

    传感器与微系统 2014年9期2014-09-20

  • 一类二维重构形的通有基底
    们的通有基底.超平面构形; 重构形; 自由性; 通有基底超平面构形是一类具有非孤立奇点的超曲面,它与组合学、 代数学、 拓扑学和代数几何学中的多个学科广泛交叉[1]. 超平面构形是有限维向量空间中有限个超平面所形成的集合,超平面构形通常简称为构形. 目前,构形的研究主要集中于构形的自由性问题及复空间中构形余集的拓扑性质等问题[2-6]. Yoshinaga[3]利用重构形的自由性解决了Edelman-Reiner猜想, 但自由重构形导子模的基底不易求出,且

    吉林大学学报(理学版) 2014年5期2014-09-06

  • 基于空域加扰信号超平面特征的窃密算法
    号呈现出平行的超平面分布特征,并指出这是多天线能够窃密的根本原因。然后利用该特征,提出了一种超平面聚类算法,通过选取一组相互平行的超平面去逼近接收信号,利用样本获取超平面参数,进而破解信息。分析与仿真表明,该算法比MUSIC-like法在抗噪声性能上提升了8~10 dB,计算复杂度低6~10个数量级,能够用于实时解调。2 系统模型保密无线通信模型如图1所示,发送端Alice向合法用户Bob发送信息,遭到非法用户Eve的窃听。其中,Alice天线数用Na表示

    通信学报 2014年4期2014-08-07

  • 基于二次SVM的不均衡数据算法
    依据样本的分类超平面贡献大小对多数类样本进行欠取样,并对少数类样本进行过取样,重构训练数据集。该算法能够删除样本中的噪声数据,用控制参数控制删除样本的规模,实验表明,该算法能够提高支持向量机在不均衡数据集下的分类性能。支持向量机;不均衡数据;欠取样;分类超平面支持向量机(Support Vector Machine,简称SVM)[1]是在统计学习理论基础上发展起来的一种新的机器学习方法,它基于结构风险最小化原则,在解决小样本、非线性及高维模式识别问题中表现

    商洛学院学报 2014年4期2014-07-20

  • 基于类中心的SVM训练样本集缩减改进策略
    然后通过只提取超平面及距离超平面较近的样本实现边界样本的提取,从而实现样本集的缩减。1 支持向量机支持向量机可用于模式识别、回归分析、主成分分析等。下面以模式分类为例来介绍支持向量机的含义。定义1 (最优分类超平面)如果训练样本可以被无误差地划分,以及每一类数据中离超平面最近的向量与超平面之间的距离最大,则称这个超平面为最优分类超平面。1.1 线性支持向量机在求解两类线性可分的问题时, SVM实质就是通过在输入空间求得一个分类超平面w·x+b=0, 使两类

    重庆交通大学学报(自然科学版) 2014年2期2014-02-28

  • 二维欧氏空间中混杂构形的Möbius函数
    个具体的例子.超平面构形;直线构形;混杂构形;Möbius函数0 引言超平面构形,一般简称为构形,是l维向量空间中余维数为1的子空间的有限集合.超平面构形这一与奇点理论有关的对象是20世纪70年代新兴的学科.Arnold,Brieskorn和Deligne三位大师都做过奠基性的工作.超平面构形不仅具有很好的代数、组合、拓扑性质,还在奇点理论、凸集几何、离散几何等数学分支上有着广泛的应用[1].近年来,以Hiroaki Terao,Peter Orlik和L

    东北师大学报(自然科学版) 2012年2期2012-12-26

  • 讲授Riesz表示定理的两点注记
    sz表示定理;超平面笔者近年为工科硕士生讲授《应用数学基础》课程,使用的教材是《应用数学基础》(吴翊,李超,罗建书,戴清平编著,高等教育出版社,2006).讲到Riesz表示定理时,笔者围绕该定理作了一点铺垫和引申,这对于学生更细致地理解Hilbert空间可能有些益处.1 Riesz表示定理的一点铺垫Riesz表示定理的关键结论是:对于Hilbert空间X上的任何线性有界泛函f,存在对应的元素y∈X,使得称y为f的表示.教材给出的证明是简洁而清晰的:当f=

    大学数学 2012年4期2012-11-02

  • 基于最大间隔的决策树归纳算法
    但得到的知识即超平面不易理解,决策树泛化能力一般但归纳出的知识容易理解)。1 支持向量机1.1 支持向量机基本问题支持向量机是由Vapnik等人提出并以统计学习理论为基础的一种新的学习机器。其基本问题描述如下:设有训练数据可以被一个超平面分开。如果这个向量集合被超平面没有错误的分开,并且离超平面最近的向量与超平面之间的距离是最大的,则我们说这个向量集合被这个最优超平面(或最大间隔超平面)分开。如图1所示。图1 最优分类超平面是以最大间隔将数据分开的超平面

    科技视界 2011年22期2011-12-21

  • 基于相似度空间寻优的开集人脸识别方法
    信息找寻最优的超平面,利用该超平面划分需要拒绝的样本。1 基于相似度空间寻优的判别方法1.1 相似度空间在开集人脸识别中,测试样本与人脸库中已知类样本进行比较,通过各种识别方法获得了与每一个已知类之间的相似度。在最近邻的方法中,直接利用相似度最大者,将其与一个预先设定的阈值进行比较,当大于该阈值时,则接受测试样本为已知类样本,否则拒绝为未知样本。该方法仅利用了相似度最大者这一维的信息,为了利用相似度中包含的完整信息,我们将获取的相似度按照从大到小排序,获得

    微型电脑应用 2010年6期2010-07-25

  • 支持向量机原理及展望
    一个n-1维的超平面分开。通常这个被称为线性分类器。有很多分类器都符合这个要求。但是我们还希望找到分类最佳的平面,即使得属于两个不同类的数据点间隔最大的那个面,该面亦称为最大间隔超平面。如果我们能够找到这个面,那么这个分类器就称为最大间隔分类器。图1 多种分类超平面示意图如图1有很多个分类器(超平面)可以把数据分开,但是只有一个能够达到最大分割。支持向量机将向量映射到一个更高维的空间里,在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个

    制造业自动化 2010年14期2010-04-11