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:
在Smola和Sch(o)lkopf的SMO算法中,由于使用了单一的极限值而使得算法的效果没有完全表现出来.使用KKT条件来检验二次规划问题,使用两个极限参量来对回归SMO算法进行改进.通过对比实验,这一改进算法在执行速度上表现出了非常好的性能.
推荐文章
基于粗糙集的支持向量回归机混合算法
支持向量回归机
SMO回归算法
边界样本集
粗糙集
支持向量机改进序列最小优化学习算法
支持向量机
序列最小优化
改进学习算法
回归问题
一种基于FoBa算法思想的支持向量机稀疏SMO算法研究
支持向量机
SMO算法
稀疏
支持向量约减
FoBa算法
改进的用于回归估计的支持向量机学习算法
支持向量机
回归
学习算法
学习速度
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 回归支持向量机SMO算法的改进
来源期刊 计算机工程与应用 学科 工学
关键词 支持向量机 回归 序列最小优化
年,卷(期) 2007,(17) 所属期刊栏目 学术探讨
研究方向 页码范围 74-76
页数 3页 分类号 TP18
字数 2375字 语种 中文
DOI 10.3321/j.issn:1002-8331.2007.17.023
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 许建潮 长春工业大学计算机科学与工程学院 13 188 8.0 13.0
2 张玉石 长春工业大学计算机科学与工程学院 2 20 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (39)
参考文献  (6)
节点文献
引证文献  (14)
同被引文献  (14)
二级引证文献  (11)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 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)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2012(3)
  • 引证文献(1)
  • 二级引证文献(2)
2013(4)
  • 引证文献(1)
  • 二级引证文献(3)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
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
回归
序列最小优化
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导