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:
提出了一种基于粗糙集(RS)和支持向量机(SVM)的目标对象的性能分类方法,该方法将RS和SVM结合在一起对性能进行分类.在分类之前,首先利用RS对属性进行约简,将约简后的属性作为输入端输入到SVM中进行训练,再用训练好的SVM对测试集进行测试.测试结果表明,该方法分类的精度比较高,速度比较快.
推荐文章
一种基于AdaBoost-SVM的流量分类方法
流量分类
K-L变换
支持向量机
AdaBoost
弱分类器
基于SVM的一种新的分类器设计方法
小样本数据
SVM分类器
分类准确率
半监督学习
一种新的基于SVM权重向量的云分类器
支持向量机
云模型
云分类器
交叉验证
一种基于SVM和主动学习的图像检索方法
图像检索
SVM
主动学习
K-means
代表性样本
关键性样本
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 一种基于RS和SVM的目标对象的性能分类方法
来源期刊 长沙理工大学学报(自然科学版) 学科 工学
关键词 粗糙集 支持向量机 属性约简 性能分类
年,卷(期) 2005,(2) 所属期刊栏目 计算机与数理科学
研究方向 页码范围 63-66
页数 4页 分类号 TP391
字数 3134字 语种 中文
DOI 10.3969/j.issn.1672-9331.2005.02.013
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 柳林 长沙理工大学计算机与通信工程学院 14 190 7.0 13.0
2 彭建 长沙理工大学计算机与通信工程学院 18 98 6.0 9.0
3 刘金平 长沙理工大学计算机与通信工程学院 3 9 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (24)
参考文献  (4)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1982(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(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)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
粗糙集
支持向量机
属性约简
性能分类
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
长沙理工大学学报(自然科学版)
季刊
1672-9331
43-1444/N
长沙市(雨花区)万家丽南路2段960号
chi
出版文献量(篇)
1425
总下载数(次)
2
总被引数(次)
7262
相关基金
湖南省自然科学基金
英文译名:Natural Science Foundation of Hunan Province
官方网址:http://jj.hnst.gov.cn/
项目类型:一般面上项目
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导