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       
摘要:
支持向量机作为一种优秀的学习方法,有着严格的理论基础和很好的应用前景,但是由于支持向量机算法实现复杂、效率低,严重限制了支持向量机的应用.SMO方法的提出大大提高了支持向量机学习的效率,作者对SMO算法的实现进行了详细的介绍.
推荐文章
支持向量机改进序列最小优化学习算法
支持向量机
序列最小优化
改进学习算法
回归问题
最小二乘支持向量机的参数优化算法研究
最小二乘支持向量机
参数优化
水下焊接
熔深预测
支持向量机的SMO算法及其自适应改进研究
机器学习
支持向量机
SMO算法
自适应
优化极限学习机的序列最小优化方法
极限学习机
支持向量机
序列最小优化
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 支持向量机学习算法-序列最小优化(SMO)
来源期刊 绍兴文理学院学报:自然科学版 学科 数学
关键词 支持向量机 二次优化 SMO
年,卷(期) 2003,(10) 所属期刊栏目
研究方向 页码范围 21-24
页数 4页 分类号 O234
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵洪波 绍兴文理学院工学院 22 496 11.0 22.0
2 赵丽红 绍兴文理学院工学院 3 18 2.0 3.0
传播情况
(/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  (0)
同被引文献  (0)
二级引证文献  (0)
2003(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)
研究主题发展历程
节点文献
支持向量机
二次优化
SMO
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
绍兴文理学院学报:自然科学版
季刊
1008-293X
33-1209/C
浙江省绍兴市环城西路508号
出版文献量(篇)
672
总下载数(次)
0
论文1v1指导