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:
研究分析了标准的支持向量机(C-SVM)、v支持向量机(v-SVM)等五种算法,利用仿真实验从分类精度,计算效率,扩展性等五个方面对上述五种算法进行了分析比较.
推荐文章
改进的支持向量分类机在客户流失预测中的应用
客户流失
支持向量分类机
电信业
惩罚参数
用于分类的支持向量机
支持向量机
机器学习
分类
模糊支持向量分类机
支持向量机
模糊数
模糊系数规划
模糊支持向量分类机
基于密度聚类的支持向量机分类算法
支持向量机
密度聚类
ε-邻域
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 关于支持向量分类机算法的研究
来源期刊 石家庄铁道学院学报 学科 数学
关键词 分类 支持向量机(SVM) C-SVM v-SVM WSVM PSVM LS-SVM
年,卷(期) 2007,(3) 所属期刊栏目
研究方向 页码范围 31-36
页数 6页 分类号 O22
字数 5575字 语种 中文
DOI 10.3969/j.issn.2095-0373.2007.03.008
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 范玉妹 北京科技大学数力系 43 243 10.0 13.0
2 赵丽丽 北京科技大学数力系 1 20 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (164)
参考文献  (9)
节点文献
引证文献  (20)
同被引文献  (23)
二级引证文献  (31)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(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)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(3)
  • 参考文献(3)
  • 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)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(2)
  • 引证文献(1)
  • 二级引证文献(1)
2011(3)
  • 引证文献(1)
  • 二级引证文献(2)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(3)
  • 引证文献(2)
  • 二级引证文献(1)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(13)
  • 引证文献(6)
  • 二级引证文献(7)
2017(10)
  • 引证文献(3)
  • 二级引证文献(7)
2018(7)
  • 引证文献(0)
  • 二级引证文献(7)
2019(5)
  • 引证文献(2)
  • 二级引证文献(3)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
分类
支持向量机(SVM)
C-SVM
v-SVM
WSVM
PSVM
LS-SVM
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
石家庄铁道大学学报(自然科学版)
季刊
2095-0373
13-1402/N
大16开
河北省石家庄市北二环东路17号
1982
chi
出版文献量(篇)
2432
总下载数(次)
4
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导