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:
支持向量机被成功地应用在分类和回归问题中,但是由于其需要求解二次规划,使得支持向量机在求解大规模数据上具有一定的缺陷,尤其是对于多分类问题,现有的支持向量机算法具有太高的算法复杂性.该文提出一种基于支持向量机的增量学习算法,适合多分类问题,并将之用于解决实际问题.
推荐文章
基于支持向量机的增量学习算法
结构风险最小化
支持向量
增量学习
一种新的模糊支持向量机多分类算法
支持向量机
模糊支持向量机
一对多组合
隶属函数
多分类算法
啤酒瓶检测中多分类支持向量机算法的选择
支持向量机
多分类
核函数
视觉检测
性能评估
基于有序分割的支持向量机多分类方法
支持向量机
欧式距离
二叉树
模拟电路
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 基于支持向量机的多分类增量学习算法
来源期刊 计算机工程 学科 工学
关键词 支持向量机 增量学习 多分类问题
年,卷(期) 2006,(17) 所属期刊栏目 专题论文
研究方向 页码范围 77-79
页数 3页 分类号 TP18
字数 3373字 语种 中文
DOI 10.3969/j.issn.1000-3428.2006.17.027
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 杨佩 南京大学工程管理学院 14 98 6.0 9.0
2 朱美琳 南京大学工程管理学院 16 255 8.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (31)
同被引文献  (20)
二级引证文献  (123)
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(6)
  • 引证文献(5)
  • 二级引证文献(1)
2009(15)
  • 引证文献(8)
  • 二级引证文献(7)
2010(15)
  • 引证文献(5)
  • 二级引证文献(10)
2011(22)
  • 引证文献(2)
  • 二级引证文献(20)
2012(21)
  • 引证文献(2)
  • 二级引证文献(19)
2013(14)
  • 引证文献(2)
  • 二级引证文献(12)
2014(16)
  • 引证文献(1)
  • 二级引证文献(15)
2015(16)
  • 引证文献(2)
  • 二级引证文献(14)
2016(7)
  • 引证文献(0)
  • 二级引证文献(7)
2017(9)
  • 引证文献(1)
  • 二级引证文献(8)
2018(6)
  • 引证文献(1)
  • 二级引证文献(5)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
支持向量机
增量学习
多分类问题
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
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导