简介：如何选取训练样本使得SVM达到更好的效果是机器学习中的一个难题。本文提出一种改进AP聚类算法，通过二分法不断扫描偏向参数P空间，得到最优的偏向参数P，以期得到更准确的聚类效果，从而选取更高质量的训练样本，使SVM达到更好的分类效果。实验结果显示与传统的SVM及AP—SVM分类器相比，本文的BAP—SVM能够得到更高质量的训练样本，从而得到更好的分类效果。
简介：针对小波域维纳滤波图像降噪存在计算速度慢和降噪效果较差，本文提出一种改进的小波域维纳滤波算法，将阈值化处理引入小波域维纳滤波，通过阈值化处理小波变换后的系数来提高降噪效果。依据改进算法的具体过程和算法步骤，运用MATLAB进行算法仿真，仿真结果表明，改进的小波域维纳滤波算法进行图像降噪可以有效地提高图像的信噪比，降噪效果良好，同时计算速度较快，节约时间。
基于改进AP-SVM算法的网络业务流分类
一种改进的小波域维纳滤波的图像降噪算法研究
