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:
针对两类分类问题中使用支持向量机(Support Vector Machines,SVM)训练时问长和支持向量域分类器(Support Vector Domain Classifier,SVDC)精度不高的问题,建立一种基于支持向量域描述(Support Vector Domain Description,SVDD)的分离超平面,尝试将SVDD与SVM结合.首先使两类的错误率上界相等,用来设定参数C1C2的值;然后分别对每类样本应用SVDD算法进行描述,以求取两个超球形边界向量;最后以两个超球球心到分离超平面的距离和最大为准则,推导出两球球心之差为分离超平面的法向量,再用样本容量和两球半径所提供的信息,确定出分离超平面的阈值,建立一个分离超平面.实验数据表明:提出的算法与SVDC相比,分类的错分率显著减少;与标准的SVM相比,不仅错分率有所减少,而且训练时间也减少很多.
推荐文章
三维颅面水平参考平面的确定方法
头位
眶耳平面
锥形束计算机断层扫描
三维头影测量
一种模糊规则的确定方法
模糊规则
模糊数据曲线
共面波导
顶针连接板的上平面的定位基准的确定
基准先行原则
基准重合的原则
定位基准
一种确定超固结弱透水层水力参数的方法
超固结弱透水层
垂向渗透系数
弹性贮水率
滞后变形
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 一种分离超平面的确定方法
来源期刊 中北大学学报(自然科学版) 学科 工学
关键词 支持向量域描述 分离超平面 支持向量机 支持向量域分类器 支持向量域描述机
年,卷(期) 2007,(6) 所属期刊栏目 电子与电子信息
研究方向 页码范围 546-551
页数 6页 分类号 TP311.56
字数 3695字 语种 中文
DOI 10.3969/j.issn.1673-3193.2007.06.016
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 刘三阳 西安电子科技大学应用效学系 662 5562 32.0 51.0
2 刘万里 西安电子科技大学应用效学系 29 361 10.0 18.0
4 薛贞霞 西安电子科技大学应用效学系 18 89 5.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (29)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(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)
2013(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
支持向量域描述
分离超平面
支持向量机
支持向量域分类器
支持向量域描述机
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
中北大学学报(自然科学版)
双月刊
1673-3193
14-1332/TH
大16开
太原13号信箱
1979
chi
出版文献量(篇)
2903
总下载数(次)
7
总被引数(次)
15437
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导