原文服务方: 微电子学与计算机       
摘要:
提出一种基于负相关学习理论的支持向量机集成方法,该方法能有效解除各支持向量机之间的相关性,使得集成个体有较大的差异.并采用了演化策略对支持向量机的核函数和相关参数自适应地进行选择.仿真实验表明,该方法不仅能有效地解决支持向量机模型选择的难题,而且能以很小的代价显著提高学习系统的泛化能力.
推荐文章
采用负相关学习的SVM集成算法
负相关学习
误差-分歧分解
AdaBoost-SVM
集成学习
分类器
融合样本选择与特征选择的AdaBoost支持向量机集成算法
分类器集成
AdaBoost算法
支持向量机
样本选择
特征选择
采用负相关学习的SVM集成算法
负相关学习
误差-分歧分解
AdaBoost-SVM
集成学习
分类器
一种新的选择性支持向量机集成学习算法
泛化性度量
集成学习
负相关
支持向量机
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 基于负相关学习的支持向量机集成算法
来源期刊 微电子学与计算机 学科
关键词 负相关学习 支持向量机集成 演化策略
年,卷(期) 2006,(3) 所属期刊栏目
研究方向 页码范围 58-61
页数 4页 分类号 TP301.1
字数 语种 中文
DOI 10.3969/j.issn.1000-7180.2006.03.017
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 谷雨 云南民族大学网络信息中心 25 133 5.0 10.0
5 赵佳枢 西安交通大学理学院 3 14 2.0 3.0
6 杨柽 云南民族大学网络信息中心 5 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (201)
参考文献  (4)
节点文献
引证文献  (5)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(4)
  • 参考文献(1)
  • 二级参考文献(3)
1991(2)
  • 参考文献(1)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(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)
研究主题发展历程
节点文献
负相关学习
支持向量机集成
演化策略
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
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
相关基金
云南省自然科学基金
英文译名:
官方网址:
项目类型: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