[ 登录/注册 ] 购物车(0)
期刊大全 杂志订阅 SCI期刊 期刊投稿 出版社 公文范文 精品范文
摘要:传统相关向量机算法在处理大规模数据集时训练速度较慢,并且高斯径向核无法完备表示特征空间。为此,基于自适应核参数优化,提出一种小波核相关向量机算法。以小波核作为基函数,在训练中,采取增量学习流程实现各个小波核参数的快速自适应优化。将提出算法应用于混沌时间序列预测及UCI数据集分类实验,结果表明,自适应参数优化小波相关向量机算法在预测精度、训练速度上均优于传统相关向量机算法。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
北大期刊 下单
国际刊号:1000-3428
国内刊号:31-1289/TP
国际刊号:1672-5913
国内刊号:11-5006/TP
国际刊号:1000-3266
国内刊号:11-2124/TP
多年专注期刊服务,熟悉发表政策,投稿全程指导。因为专注所以专业。
推荐期刊保障正刊,评职认可,企业资质合规可查。
诚信服务,签订协议,严格保密用户信息,提供正规票据。
如果发表不成功可退款或转刊。资金受第三方支付宝监管,安全放心。