钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
无线电电子学与电信技术期刊
\
电子学报期刊
\
SVM-KNN分类器——一种提高SVM分类精度的新方法
SVM-KNN分类器——一种提高SVM分类精度的新方法
作者:
史忠植
叶世伟
李蓉
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取
支持向量机
最近邻分类
类代表点
核函数
特征空间
VC维
摘要:
本文提出了一种将支持向量机分类和最近邻分类相结合的方法,形成了一种新的分类器.首先对支持向量机进行分析可以看出它作为分类器实际相当于每类只选一个代表点的最近邻分类器,同时在对支持向量机分类时出错样本点的分布进行研究的基础上,在分类阶段计算待识别样本和最优分类超平面的距离,如果距离差大于给定阈值直接应用支持向量机分类,否则代入以每类的所有的支持向量作为代表点的K近邻分类.数值实验证明了使用支持向量机结合最近邻分类的分类器分类比单独使用支持向量机分类具有更高的分类准确率,同时可以较好地解决应用支持向量机分类时核函数参数的选择问题.
暂无资源
收藏
引用
分享
推荐文章
SVM-KNN分类算法研究
支持向量机
K近邻
样本相似性
基于经验模态分解的SVM-KNN高光谱图像分类方法
EMD
SVM-KNN
高光谱图像
分类
基于半监督学习的SVM-KNN
半监督学习
支持向量机
K-近邻
边界向量
迭代
一种新的基于SVM-KNN的Web文本分类算法
SVM
KNN
Web文本分类
机器学习
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
文献信息
篇名
SVM-KNN分类器——一种提高SVM分类精度的新方法
来源期刊
电子学报
学科
工学
关键词
支持向量机
最近邻分类
类代表点
核函数
特征空间
VC维
年,卷(期)
2002,(5)
所属期刊栏目
科研通信
研究方向
页码范围
745-748
页数
4页
分类号
TP301
字数
3879字
语种
中文
DOI
10.3321/j.issn:0372-2112.2002.05.035
五维指标
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(0)
共引文献
(0)
参考文献
(0)
节点文献
引证文献
(304)
同被引文献
(210)
二级引证文献
(1138)
2002(0)
参考文献(0)
二级参考文献(0)
引证文献(0)
二级引证文献(0)
2003(4)
引证文献(4)
二级引证文献(0)
2004(15)
引证文献(13)
二级引证文献(2)
2005(37)
引证文献(22)
二级引证文献(15)
2006(59)
引证文献(21)
二级引证文献(38)
2007(85)
引证文献(34)
二级引证文献(51)
2008(82)
引证文献(22)
二级引证文献(60)
2009(98)
引证文献(28)
二级引证文献(70)
2010(95)
引证文献(29)
二级引证文献(66)
2011(79)
引证文献(22)
二级引证文献(57)
2012(110)
引证文献(9)
二级引证文献(101)
2013(107)
引证文献(19)
二级引证文献(88)
2014(125)
引证文献(9)
二级引证文献(116)
2015(106)
引证文献(16)
二级引证文献(90)
2016(113)
引证文献(19)
二级引证文献(94)
2017(86)
引证文献(6)
二级引证文献(80)
2018(111)
引证文献(17)
二级引证文献(94)
2019(104)
引证文献(10)
二级引证文献(94)
2020(26)
引证文献(4)
二级引证文献(22)
研究主题发展历程
节点文献
支持向量机
最近邻分类
类代表点
核函数
特征空间
VC维
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
主办单位:
中国电子学会
出版周期:
月刊
ISSN:
0372-2112
CN:
11-2087/TN
开本:
大16开
出版地:
北京165信箱
邮发代号:
2-891
创刊时间:
1962
语种:
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
期刊文献
相关文献
1.
SVM-KNN分类算法研究
2.
基于经验模态分解的SVM-KNN高光谱图像分类方法
3.
基于半监督学习的SVM-KNN
4.
一种新的基于SVM-KNN的Web文本分类算法
5.
改进SVM-KNN的不平衡数据分类
6.
结合SVM和KNN的Web日志挖掘技术研究方法
7.
基于SVM-KNN的半监督托攻击检测方法
8.
一种新的中文文本分类算法——One Class SVM-KNN算法
9.
SVM-KNN组合改进算法在专利文本分类中的应用
10.
基于多分类SVM-KNN的实体关系抽取方法
11.
结合SVM和KNN的Web日志挖掘技术研究方法
12.
基于SVM-KNN的降雨条件下短时公交客流预测
13.
基于 KNN +层次 SVM 的文本自动分类技术
14.
基于增量学习的SVM-KNN网络入侵检测方法
15.
一种基于PSO-SVM的电能质量扰动识别与分类的新方法
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
电子学报2022
电子学报2021
电子学报2020
电子学报2019
电子学报2018
电子学报2017
电子学报2016
电子学报2015
电子学报2014
电子学报2013
电子学报2012
电子学报2011
电子学报2010
电子学报2009
电子学报2008
电子学报2007
电子学报2006
电子学报2005
电子学报2004
电子学报2003
电子学报2002
电子学报2001
电子学报2000
电子学报1999
电子学报1998
电子学报2002年第z1期
电子学报2002年第9期
电子学报2002年第8期
电子学报2002年第7期
电子学报2002年第6期
电子学报2002年第5期
电子学报2002年第4期
电子学报2002年第3期
电子学报2002年第2期
电子学报2002年第12期
电子学报2002年第11期
电子学报2002年第10期
电子学报2002年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号