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:
支持向量机增量学习算法相对于其它训练算法,具有运算速度快,节约运算时间,占用内存空间较少等优点.本文阐述了几种具有代表性的增量学习算法,并比较了它们的优缺点,对其发展方向进行了进一步的研究.
推荐文章
基于支持向量机的增量学习算法
结构风险最小化
支持向量
增量学习
支持向量机增量学习方法及应用
支持向量机
增量学习
学习精度
学习速度
支持向量机增量学习算法研究
支持向量机
增量学习
期望风险
固定划分
过间隔
基于云模型的最接近支持向量机增量学习方法
支持向量机
云模型
分类
增量学习
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 几种支持向量机增量学习算法分析与比较
来源期刊 福建电脑 学科 工学
关键词 支持向量机 增量学习
年,卷(期) 2008,(1) 所属期刊栏目 研究与探讨
研究方向 页码范围 47,91
页数 2页 分类号 TP3
字数 2510字 语种 中文
DOI 10.3969/j.issn.1673-2782.2008.01.033
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 秦玉平 渤海大学信息科学与工程学院 87 586 14.0 17.0
2 王晓锋 渤海大学数学系 25 90 6.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (62)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (5)
二级引证文献  (5)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(10)
  • 参考文献(0)
  • 二级参考文献(10)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(3)
  • 参考文献(3)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(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
增量学习
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