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:
模式识别的基本目标就是在有监督和无监督的情况下进行分类,在模式识别的各种模型中,基于统计的方法已经被广泛的研究并应用于实际.一些新的技术和方法的引入(神经网络和支持向量机方法)也促进了该领域发展,文章研究了基于统计的模式识别的进展情况,给出了模式识别的概念、原理、方法并对各种方法进行了相关的评述.
推荐文章
基于统计与模式识别的装备健康评估技术研究
健康评估
统计分析
模式识别
保障特性
模式识别的最大熵方法
模式识别
最大熵
概率分布
围岩破坏模式识别的支持向量机研究
围岩
破坏模式
支持向量机
基于模式识别的装备故障诊断方法
复杂装备
模式识别
故障诊断
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 统计模式识别的研究
来源期刊 云南师范大学学报(自然科学版) 学科 工学
关键词 模式 模式识别 神经网络 特征选择 支持向量机
年,卷(期) 2005,(6) 所属期刊栏目 计算机科学
研究方向 页码范围 19-21,38
页数 4页 分类号 TP391.4
字数 3752字 语种 中文
DOI 10.3969/j.issn.1007-9793.2005.06.007
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 冯乔生 云南师范大学计信学院 28 255 7.0 15.0
2 接标 云南师范大学计信学院 2 48 2.0 2.0
3 刘冠晓 云南师范大学计信学院 2 47 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (1915)
参考文献  (4)
节点文献
引证文献  (36)
同被引文献  (2)
二级引证文献  (0)
1939(1)
  • 参考文献(1)
  • 二级参考文献(0)
1992(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)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(2)
  • 参考文献(2)
  • 二级参考文献(0)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(13)
  • 参考文献(0)
  • 二级参考文献(13)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
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(3)
  • 引证文献(3)
  • 二级引证文献(0)
2007(6)
  • 引证文献(6)
  • 二级引证文献(0)
2008(3)
  • 引证文献(3)
  • 二级引证文献(0)
2009(5)
  • 引证文献(5)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(5)
  • 引证文献(5)
  • 二级引证文献(0)
2016(4)
  • 引证文献(4)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(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
模式
模式识别
神经网络
特征选择
支持向量机
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
云南师范大学学报(自然科学版)
双月刊
1007-9793
53-1046/N
大16开
云南昆明市一二一大街298号
64-74
1958
chi
出版文献量(篇)
2229
总下载数(次)
5
总被引数(次)
10561
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导