《表4 各类扩展SVM算法分类性能比较》
所有输入向量进行多核融合训练,不同核函数的组合内核分类性能相差较大,训练不同的候选内核改善了分类结果并补偿误差。由实验结果可看出,通过融合多个不同核矩阵可以明显提升SVM分类器的性能。各类扩展SVM算法分类性能比较如表4所示。
图表编号 | XD00139797700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.15 |
作者 | 刘斌、温雪岩 |
绘制单位 | 陕西科技大学电子信息与人工智能学院、陕西科技大学电子信息与人工智能学院 |
更多格式 | 高清、无水印(增值服务) |
所有输入向量进行多核融合训练,不同核函数的组合内核分类性能相差较大,训练不同的候选内核改善了分类结果并补偿误差。由实验结果可看出,通过融合多个不同核矩阵可以明显提升SVM分类器的性能。各类扩展SVM算法分类性能比较如表4所示。
图表编号 | XD00139797700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.15 |
作者 | 刘斌、温雪岩 |
绘制单位 | 陕西科技大学电子信息与人工智能学院、陕西科技大学电子信息与人工智能学院 |
更多格式 | 高清、无水印(增值服务) |