作者:
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:
本文主要介绍了支持向量机的基本思想,通过目前SVM训练算法的研究成果分析了它在数据挖掘中(尤其是分类算法上)的应用,并阐述了支持向量机在数据挖掘领域中实现的方法.
推荐文章
应用于音乐节目分类的Apriori挖掘算法设计
音乐节目
节目分类
Apriori挖掘算法
分类器构建
频繁项集
关联规则
面向不平衡数据分类的复合SVM算法研究
不平衡数据
支持向量机
自适应合成采样
不同错误代价
修正算法
采用粒子群优化的 SVM 算法在数据分类中的应用
数据分类
支持向量机
粒子群优化
Iris 数据集
惩罚参数
高斯参数
基于数据挖掘的图像分类算法
数据挖掘
图像分类
特征提取
模糊C均值聚类
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 应用于数据挖掘分类算法的SVM研究
来源期刊 福建电脑 学科 工学
关键词 支持向量机 训练算法 数据挖掘 分类
年,卷(期) 2007,(6) 所属期刊栏目 研究与探讨
研究方向 页码范围 41,57
页数 2页 分类号 TP3
字数 2549字 语种 中文
DOI 10.3969/j.issn.1673-2782.2007.06.026
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 梁志荣 肇庆学院现代教育中心 12 54 3.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (1897)
参考文献  (6)
节点文献
引证文献  (5)
同被引文献  (3)
二级引证文献  (3)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(7)
  • 参考文献(1)
  • 二级参考文献(6)
1999(5)
  • 参考文献(1)
  • 二级参考文献(4)
2000(6)
  • 参考文献(2)
  • 二级参考文献(4)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(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)
2008(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(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
支持向量机
训练算法
数据挖掘
分类
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
福建电脑
月刊
1673-2782
35-1115/TP
大16开
福州市华林邮局29号信箱
1985
chi
出版文献量(篇)
21147
总下载数(次)
86
总被引数(次)
44699
论文1v1指导