現(xiàn)代計(jì)算方法專(zhuān)題講座(參考版)
2024-10-19 14:41本頁(yè)面
【正文】 。 ( , ) , 1 , 2 , ,iix y i l?{ 1, 1}iy ? ? ? nixR?121 1 11m in ( , ). . 00 , 1 , 2 , ,l l li j i j i j ji i jliiiiy y K x xs t yC i l?? ? ???? ? ????? ? ?? ? ??* * * *12( , , , )l? ? ? ??? Step3 選擇 ，一個(gè)小于 C的正分量 , 并據(jù)此計(jì)算 。 支持向量機(jī)的訓(xùn)練算法的基本模型 用于分類(lèi)問(wèn)題的支持向量機(jī)算法 ? Step1 設(shè)已知訓(xùn)練樣本集 { }, 期望輸出 , 。 ? V. Vapnik等人從二十世紀(jì)六、七十年代開(kāi)始致力于統(tǒng)計(jì)學(xué)習(xí)理論方面的研究，到九十年代中期，隨著該理論的不斷發(fā)展和成熟，也由于神經(jīng)網(wǎng)絡(luò)等學(xué)習(xí)方法在理論上缺乏實(shí)質(zhì)性進(jìn)展，統(tǒng)計(jì)學(xué)習(xí)理論開(kāi)始受到越來(lái)越廣泛的重視。 四、數(shù)據(jù)挖掘技術(shù)（支持向量機(jī)算法） ? 數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)集中識(shí)別新穎的、潛在有用的以及最終可理解的非平凡模式和知識(shí)的過(guò)程。圖中右圖橫坐標(biāo)表示迭代次數(shù) (算法一共執(zhí)行的次數(shù) )，縱軸表示路徑長(zhǎng)度。 ? plot(L_ave)。 ? plot(L_best)。 ? DrawRoute(C, Shortest_Route)。 ? Shortest_Length = L_best(Pos(1))。 end ? % 第九步續(xù)：完成，輸出結(jié)果 ? Pos = find(L_best == min(L_best))。 end Tau = (1Rho) .* Tau + Delta_Tau。 for i = 1: m for j = 1: (n1) Delta_Tau(Tabu(i, j), Tabu(i, j+1))... =Delta_Tau(Tabu(i, j), Tabu(i, j+1)) + Q/L(i)。 ? L_ave(NC) = mean(L)。 ? pos = find(L == L_best(NC))。 ? end ? L(i) = L(i) + D(R(1), R(n))。 ? for i = 1: m ? R = Tabu(i, :)。 end % i end % j ? % 第七步： i, j循環(huán) ? ? if NC = 2 ? Tabu(1, :) = R_best(NC1, :)。 to_visit = J( Select(1) )。 % 第五步續(xù)：按最大概率選取節(jié)點(diǎn) Pcum = cumsum(P)。 ? end ? end ? % 第五步：計(jì)算可選節(jié)點(diǎn)的選擇概率 for k = 1: length(J) P(k) = ( Tau(vi
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1