基于核的半监督极限学习机及其在交通拥挤评价中的应用
事实证明，极限学习机（ELM）是广泛领域中一种有效的学习范例。 使用内核函数方法而不是隐藏层，KernelELM克服了由随机分配的权重引起的变化问题。 本文在半监督极限学习机（SSELM）中引入了基于核的优化，并通过实验对性能的改进进行了评估。 结果表明，通过内核功能的优化，KernelSSELM可以实现更高的分类精度和鲁棒性。 另外，内核SSELM用于在城市交通评估和预测系统中训练交通拥堵评估框架。
文件下载
评论信息
其他资源
- pcapng格式解析中文版
- tensorflow_gpu-2.3.0-cp37-cp37m-manylinux2010_x86_64.whl
- matla特征降维搜索算法，sfs,sffs等搜索算法
- RTL8111/8168/8411的ubuntu18.04.1驱动
- Johnson算法
- 小米官网前端代码.rar
- lwmenu64.exe
- 隐藏在加密JPEG位流中的可分离可逆数据
- star ccm+讲义.pdf
- 数据结构课程设计运动会分数统计(C语言版).doc
- 电商平台营销活动玩法大全、拓客、吸粉、裂变、引流、团购返现、限时折扣、找人代付、砍价代付、多人拼团、优惠套餐、秒杀折扣、满减优惠
- libwebsockets-4.1.4.zip
- 中国境内省市表.sql
- BECKHOFF嵌入式PC从入门到精通
- 当当网 dreamever 编辑
- Redis Desktop Manager 0.9.9 Windows x64
- BMI小程序android代码
- Labview模块大全
- 明小子(超大字典)多后台 多字段 多表名
- Java项目（网页版校园生活）+数据库
- 毕业设计 jsp二手交易系统
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明