最小二乘支持向量机(Least Squares Support Vector Machines)是Suyken在SVM基础上提出的一种改进方法[6]。LS-SVM用等式约束代替了SVM中的不等式约束, 并且在训练分类时, 常用的损失函数是误...
基于18个网页-相关网页
文章采用当前使用极为广泛的最小二乘支持向量机方法(least squares support vector machines,LS-SVM)对黄山风景区客流月度数据(1987年1月~2010年12月)进行了2年时间尺度的预测,结果表明:采用LS-SVM方法进行景区客流中期预测...
基于3个网页-相关网页
Suykens 等 [11] 提出了最小二乘 支持向量机(least squares support vector machines , LS-SVM),对标准SVM算法进行了简化,而计算速度大 大提高。
基于2个网页-相关网页
Experiment results show that the least squares support vector machines method has high recognition rate and is practical.
实验结果表明此方法的识别率较高,在小字符集识别中具有较强的实用性。
This paper presents an application of least squares support vector machines in small-set pressed protuberant character recognition.
将最小二乘支持向量机引入到小字符集压印字符识别中。
A phase space reconstructed forecasting method of stock price was proposed based on least squares support vector machines (LS-SVM).
提出一种基于相空间重构的最小二乘支持向量机(LS - SVM)的股票价格预测方法。
应用推荐