作者:
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:
概括介绍了近年来倍受瞩目的一种新的计算机学习方法--支持向量机(Support Vector Machines,简称SVM)方法, 这一方法具有坚实的理论基础和出色的应用效果;并分析了SVM方法与模糊系统的关系,对这两种方法的交互促进和发展提出了看法.
推荐文章
基于模糊模式识别的支持向量机的回归预测方法
水文预测
支持向量机
模糊模式识别
基于混合模糊隶属度的模糊双支持向量机研究
模糊隶属度
支持向量机
双支持向量机
模式分类
基于V-支持向量机与ε-支持向量机的非线性系统辨识
支持向量机
非线性系统
辨识
回归问题
模糊支持向量机情感状态识别的研究
情感状态识别
模糊支持向量机
情感生理参数
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 支持向量机方法与模糊系统
来源期刊 模糊系统与数学 学科 数学
关键词 机器学习 支持向量机 模糊系统 模糊控制
年,卷(期) 2005,(1) 所属期刊栏目 模糊集理论
研究方向 页码范围 1-11
页数 11页 分类号 O159
字数 8839字 语种 中文
DOI 10.3969/j.issn.1001-7402.2005.01.001
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (100)
参考文献  (6)
节点文献
引证文献  (44)
同被引文献  (29)
二级引证文献  (126)
1965(1)
  • 参考文献(1)
  • 二级参考文献(0)
1973(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 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(1)
  • 二级参考文献(0)
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)
2006(8)
  • 引证文献(8)
  • 二级引证文献(0)
2007(17)
  • 引证文献(10)
  • 二级引证文献(7)
2008(17)
  • 引证文献(4)
  • 二级引证文献(13)
2009(13)
  • 引证文献(3)
  • 二级引证文献(10)
2010(16)
  • 引证文献(4)
  • 二级引证文献(12)
2011(12)
  • 引证文献(5)
  • 二级引证文献(7)
2012(13)
  • 引证文献(3)
  • 二级引证文献(10)
2013(11)
  • 引证文献(3)
  • 二级引证文献(8)
2014(10)
  • 引证文献(1)
  • 二级引证文献(9)
2015(7)
  • 引证文献(0)
  • 二级引证文献(7)
2016(17)
  • 引证文献(2)
  • 二级引证文献(15)
2017(6)
  • 引证文献(0)
  • 二级引证文献(6)
2018(10)
  • 引证文献(0)
  • 二级引证文献(10)
2019(10)
  • 引证文献(1)
  • 二级引证文献(9)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
机器学习
支持向量机
模糊系统
模糊控制
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
模糊系统与数学
双月刊
1001-7402
43-1179/O1
大16开
湖南长沙国防科技大学理学院
42-180
1987
chi
出版文献量(篇)
2985
总下载数(次)
4
总被引数(次)
20856
论文1v1指导