娄钰明：基于机器学习下的SVM模型预测世界各国菜系论文

本文主要研究内容

作者娄钰明（2019）在《基于机器学习下的SVM模型预测世界各国菜系》一文中研究指出：当今社会,世界菜系错综繁杂,人们对食材的品质以及菜品是否美味的要求越来越高。为此,本文以数据分析调查菜品的成分和预测菜品的菜系为目的,建立并使用以TF-IDF加权技术为基础进行的支持向量机,研究菜系成分,分类预测菜系。应用TF-IDF数据进行加权,使其预测更加符合实际。基于SVM支持向量机的图像,对模型不断训练,对超平面不断调整,最终使模型的均方误差减小,达到判断较为精确的效果。

Abstract

dang jin she hui ,shi jie cai ji cuo zeng fan za ,ren men dui shi cai de pin zhi yi ji cai pin shi fou mei wei de yao qiu yue lai yue gao 。wei ci ,ben wen yi shu ju fen xi diao cha cai pin de cheng fen he yu ce cai pin de cai ji wei mu de ,jian li bing shi yong yi TF-IDFjia quan ji shu wei ji chu jin hang de zhi chi xiang liang ji ,yan jiu cai ji cheng fen ,fen lei yu ce cai ji 。ying yong TF-IDFshu ju jin hang jia quan ,shi ji yu ce geng jia fu ge shi ji 。ji yu SVMzhi chi xiang liang ji de tu xiang ,dui mo xing bu duan xun lian ,dui chao ping mian bu duan diao zheng ,zui zhong shi mo xing de jun fang wu cha jian xiao ,da dao pan duan jiao wei jing que de xiao guo 。

论文参考文献

[1].基于支持向量机的天气舒适度预测模型研究[J]. 赵闰楷. 通讯世界.2018(10)

[2].分段熵光滑支持向量机性能研究[J]. 吴青,梁勃. 计算机工程与设计.2015(08)

[3].凹半监督支持向量机及其应用[J]. 冼广铭,齐德昱,方群,柯庆,曾碧卿,庞雄文. 计算机工程与应用.2010(28)

[4].孪生支持向量机综述[J]. 安悦瑄,丁世飞,胡继普. 计算机科学.2018(11)

[5].有向无环图-双支持向量机的多类分类方法[J]. 牛犇,顾宏斌,孙瑾,周来,周扬. 计算机应用与软件.2015(11)

[6].未确知支持向量机[J]. 杨志民,邵元海,梁静. 自动化学报.2013(06)

[7].支持向量机技术及其应用[J]. 陆荣秀. 科技情报开发与经济.2006(14)

[8].支持向量机的基本理论和研究进展[J]. 林香亮,袁瑞,孙玉秋,王超,陈长胜. 长江大学学报(自科版).2018(17)

[9].多分类孪生支持向量机研究进展[J]. 丁世飞,张健,张谢锴,安悦瑄. 软件学报.2018(01)

[10].一种模糊加权的孪生支持向量机算法[J]. 李凯,李娜,卢霄霞. 计算机工程与应用.2013(04)

论文详细介绍

论文作者分别是来自电子制作的娄钰明，发表于刊物电子制作2019年14期论文，是一篇关于菜系预测论文,支持向量机论文,特征向量分类论文,电子制作2019年14期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电子制作2019年14期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。

本文来源: https://www.lw50.cn/article/f1afe3dbbbb0f941082f17cf.html