而在建模方法上，基于结构风险最小 化原理的支撑向量机算法（ support vector machine， SVM）表现出许多特有的优势，已在高分辨率光谱的 分析中获得了成功的应用 ［16 - 17］ 。
基于2个网页-相关网页
支持向量机算法 support vector machine ; Support Vector Machine Algorithm ; Decision Tree Method-Support VectorMechines
改进的支持向量机算法 MPSVM
的支持向量机算法 Support Vector Machine ; SVM
支持向量机回归算法 Support Vecfor Regressive
向量机学习算法 progressive transductive support vector machine ; PTSVM
持向量机学习算法 progressive transductive support vector machine ; PTSVM
向量机增量学习算法 Incremental Support Vector Machine
支持向量机分类算法 Support Vector Machine
此外，本文将支持向量机算法应用于不规则边界边值问题和多介质问题。
Moreover, we have solve boundary value problems with irregular boundary and several medias by SVM.
并将新的模糊隶属度模型引入自适应支持向量机，提出了模糊自适应支持向量机算法。
Introducing the novel fuzzy membership model into Adaptive Support Vector Machine (ASVM), we propose an Adaptive fuzzy Support Vector Machine algorithm (AFSVM).
通过对数据挖掘的新方法一支持向量机算法，进行研究，将其应用于轴承的寿命预测中。
By researching the data mining new arithmetic — Support Vector Machine, it is applied to the bearing life prediction.
应用推荐