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:
支持向量机是基于统计学习理论的结构风险最小化原理提出来的一种新的学习算法,它把模式识别问题建模为一个简单约束的高维二次规划问题.利用Lagrangian对偶方法,把求解二次规划等价为求解低维的无约束不可微优化问题.提出极小化一个严格凸的熵函数来处理不可微问题,得到原二次规划的扰动问题的最优解.数据仿真结果表明该算法在低存储需求下有效提高了大数据量问题的训练学习速度.
推荐文章
大数据中边界向量调节熵函数支持向量机研究
数据挖掘
支持向量机
调节熵函数
预抽取支持向量
基于小波包特征熵支持向量机的故障分类方法研究
小波包分解
特征熵
支持向量机
故障分类
支持向量机训练算法综述
支持向量机
训练算法
统计学习理论
基于聚类的快速支持向量机训练算法
二次规划
无监督聚类
权值
距离阈值
潜在支持向量
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 训练支持向量机的极大熵方法
来源期刊 信号处理 学科 工学
关键词 模式识别 支持向量机 分类超平面 Lagrangian对偶 极大熵方法
年,卷(期) 2003,(6) 所属期刊栏目 短文与研究通讯
研究方向 页码范围 595-599
页数 5页 分类号 TN91
字数 3950字 语种 中文
DOI 10.3969/j.issn.1003-0530.2003.06.023
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 周水生 西安电子科技大学理学院 40 295 10.0 15.0
5 周利华 西安电子科技大学多媒体研究所 169 1944 24.0 34.0
6 容晓锋 西安电子科技大学多媒体研究所 3 16 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (25)
参考文献  (4)
节点文献
引证文献  (5)
同被引文献  (5)
二级引证文献  (26)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(3)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
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)
2005(2)
  • 引证文献(2)
  • 二级引证文献(0)
2006(3)
  • 引证文献(1)
  • 二级引证文献(2)
2007(5)
  • 引证文献(1)
  • 二级引证文献(4)
2008(4)
  • 引证文献(0)
  • 二级引证文献(4)
2009(3)
  • 引证文献(0)
  • 二级引证文献(3)
2010(1)
  • 引证文献(0)
  • 二级引证文献(1)
2011(3)
  • 引证文献(0)
  • 二级引证文献(3)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(6)
  • 引证文献(0)
  • 二级引证文献(6)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
模式识别
支持向量机
分类超平面
Lagrangian对偶
极大熵方法
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
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
总被引数(次)
32728
论文1v1指导