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:
支持向量机不能直接对大规模的训练数据进行学习.提出一种新的减小样本集规模的方法;在映射后的高维空间中寻找两种类别的交界部分,交界部分上的样本作为学习样本.并且指出,不需涉及具体映射的形式只用核函数即可找到交界部分的样本.实验表明,新方法优于直接在低维样本空间中寻找交界部分样本的方法.
推荐文章
非均衡数据的支持向量机新方法
支持向量机
非平衡数据
分类
阈值
基于支持向量机的磁化曲线拟合新方法
变压器
支持向量机
磁化曲线
仿真
支持向量机和AdaBoost目标跟踪新方法
目标识别
支持向量机
AdaBoost
Harr特征
一种设计层次支持向量机多类分类器的新方法
支持向量机
多类分类
层次结构
类间可分性
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 大规模训练数据的支持向量机学习新方法
来源期刊 计算机工程与设计 学科 工学
关键词 支持向量机 大规模训练数据 核函数 高维空间 类别交界
年,卷(期) 2006,(13) 所属期刊栏目 设计与实现
研究方向 页码范围 2425-2426,2431
页数 3页 分类号 TP181
字数 2920字 语种 中文
DOI 10.3969/j.issn.1000-7024.2006.13.038
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 杨建刚 浙江大学计算机学院 35 429 12.0 19.0
2 郑志洵 浙江大学计算机学院 2 35 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (37)
参考文献  (3)
节点文献
引证文献  (28)
同被引文献  (33)
二级引证文献  (103)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(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(2)
  • 引证文献(2)
  • 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(3)
  • 二级引证文献(2)
2010(7)
  • 引证文献(3)
  • 二级引证文献(4)
2011(18)
  • 引证文献(3)
  • 二级引证文献(15)
2012(15)
  • 引证文献(6)
  • 二级引证文献(9)
2013(13)
  • 引证文献(3)
  • 二级引证文献(10)
2014(12)
  • 引证文献(1)
  • 二级引证文献(11)
2015(18)
  • 引证文献(3)
  • 二级引证文献(15)
2016(12)
  • 引证文献(0)
  • 二级引证文献(12)
2017(13)
  • 引证文献(0)
  • 二级引证文献(13)
2018(8)
  • 引证文献(0)
  • 二级引证文献(8)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
2020(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
支持向量机
大规模训练数据
核函数
高维空间
类别交界
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
计算机工程与设计
月刊
1000-7024
11-1775/TP
大16开
北京142信箱37分箱
82-425
1980
chi
出版文献量(篇)
18818
总下载数(次)
45
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导