分类预测 | Python实现CNN-SVM卷积支持向量机多特征数据分类预测

分类预测 | Python实现CNN-SVM卷积支持向量机多特征数据分类预测

目录

    • 分类预测 | Python实现CNN-SVM卷积支持向量机多特征数据分类预测
      • 基本描述
      • 模型描述
      • 程序设计
      • 参考资料

基本描述

Python实现CNN-SVM卷积支持向量机多特征数据分类预测

模型描述

基于数据驱动的机器学习方法特征进行分类识别算法有: 支持向量机( Support Vector Machine,SVM) 、人工神经网络( Artificial Neural Network,ANN) 、K邻近算法( k-Nearest Neighbor,KNN) 等,识别效果取决于特征能否准确地反映出类型的本质区别,但基于模式识别的“浅层网络”模型表达能力有限、泛化能力不足。
而深度学习模型有强大的表达能力,将特征提取与分类识别融为一体,降低对信号处理技术依赖的同时也满足了工业大数据背景下海量、高维数据的分析需求。使用深度学习的经典算法- 卷积神经网络( Convolutional Neural Network,CNN) ,并将支持向量机融入模型,引入深度学习的模型优化技术,提出CNN-SVM 深度卷积神经网络模型。

<

你可能感兴趣的:(#,CNN-DL卷积深度学习模型,CNN-SVM,多特征分类预测)