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:
提出了一种基于改进Adaboost的ε不敏感支持向量回归集成算法.该算法使用多个支持向量机按照某种学习规则协调各支持向量机的输出,从而提高其泛化性能.将该方法应用于双酚A生产过程的质量指标软测量建模,仿真结果表明了该集成算法的可行性和有效性.
推荐文章
基于支持向量回归集成的陀螺仪参数漂移预测
参数预测
支持向量回归
集成
神经网络
泛化能力
基于局部信息融合及支持向量回归集成的锂电池健康状态预测
锂电池
健康状态
支持向量回归
集成学习
信息融合
双支持向量回归的牛顿算法
机器学习
模式识别
支持向量回归
双支持向量回归
无约束优化
牛顿算法
新的稀疏支持向量回归机算法及实验研究
支持向量回归机
核方法
稀疏核学习
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 一种改进的支持向量回归集成算法
来源期刊 计算机工程与应用 学科 工学
关键词 支持向量回归(SVR) Adaboost算法 集成算法
年,卷(期) 2008,(3) 所属期刊栏目 学术探讨
研究方向 页码范围 42-44
页数 3页 分类号 TP181
字数 3273字 语种 中文
DOI 10.3778/j.issn.1002-8331.2008.03.013
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 杨慧中 江南大学通信与控制工程学院 228 1844 20.0 33.0
2 王芳 江南大学通信与控制工程学院 57 123 6.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (87)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(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(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
支持向量回归(SVR)
Adaboost算法
集成算法
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
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