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:
提出一种选择支持向量分类(Support Vector Classification,SVC)最优核参数的算法,称为MI(Maximum Isolation)算法,通过定义样本间的独立性,可以获得最优核参数和相应的最优学习模型.该算法可以在支持向量机训练之前得到最优的核参数,计算代价较小,实验证明所提出的算法简单有效.
推荐文章
基于相位响应独立性的衰落信道加密方法
相位响应
衰落信道
密钥生成
密钥容量
基于主元独立性分析与混合核RVM的复杂过程区间预测方法研究及应用
核主元分析
独立主元分析
相关向量机
预测模型
区间评价
关于事件独立性的研究
独立性
样本空间
概率空间
独立同分布
随机变量序列
基于 AIC 的 RVM 核参数选择方法及其应用
径向基函数
核参数
相关向量机
微分进化算法
AIC 准则
黄金价格
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 一种基于数据独立性的SVC核参数选择方法
来源期刊 广西师范大学学报(自然科学版) 学科 工学
关键词 支持向量机 核参数 MI算法 数据独立性
年,卷(期) 2007,(4) 所属期刊栏目
研究方向 页码范围 59-62
页数 4页 分类号 TP181
字数 2402字 语种 中文
DOI 10.3969/j.issn.1001-6600.2007.04.015
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 王文剑 10 96 5.0 9.0
2 马亮 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (24)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
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(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 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(1)
  • 二级参考文献(1)
2006(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)
研究主题发展历程
节点文献
支持向量机
核参数
MI算法
数据独立性
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
广西师范大学学报(自然科学版)
双月刊
1001-6600
45-1067/N
大16开
桂林市育才路15号
48-54
1957
chi
出版文献量(篇)
3550
总下载数(次)
1
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