常使用交叉验证方法（Cross validation，cv）来选择cr2和C参数。 4实验结果分析 表1列出了RS＿SVM模型判别的结果．包括训练 样本集和测试...
基于2个网页-相关网页
测试结果使用验证和交叉验证方法得到。
Experiment result is get by the means of confirmation and intersectional confirmation.
在第一部分，提出了一种改进的广义交叉验证模糊辨识方法。
In the first block, a modified generalized Cross validation blur identification method was proposed.
支持向量机的参数选择对模型的性能影响很大，目前支持向量机的参数选择尚缺乏公认有效的结构化方法，参数选取依靠交叉验证得到。
Model parameters influence the performance of SVM evidently, but structuring method for parameters selecting is lacking and parameters are generally determined by crossing test.
应用推荐