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:
为了解决支持向量机(SVM)必须采用标识样本进行训练和支持向量选择困难两个弊端,提出了一种基于模糊C均值(FCM)和支持向量机的半监督支持向量机分类算法(S3VM).为了验证模型的有效性,将该算法应用于供电企业安全性评价.与BP神经网络的分类结果比较表明,该模型在样本较少的条件下,具有较高的分类正确率和很好的推广能力.
推荐文章
基于支持向量机协同训练的半监督回归
半监督学习
支持向量机
协同训练
自训练
粒子群算法支持向量机的半监督回归
半监督学习
支持向量机
粒子群算法
遗传算法
基于半监督支持向量机的交互式遗传算法
交互式遗传算法
半监督学习
支持向量机
核函数
代理模型
用户疲劳
凹半监督支持向量机及其应用
凹半监督支持向量机
机器学习
未标注样本
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 基于半监督支持向量机的供电企业安全性评价
来源期刊 电气应用 学科 工学
关键词 安全性评价 半监督支持向量机 模糊C均值
年,卷(期) 2008,(1) 所属期刊栏目 电气安全
研究方向 页码范围 57-60
页数 4页 分类号 TM7
字数 3487字 语种 中文
DOI 10.3969/j.issn.1672-9560.2008.01.018
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 孙薇 华北电力大学工商管理学院 40 389 11.0 19.0
2 张省 华北电力大学工商管理学院 8 24 3.0 4.0
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  (1999)
参考文献  (7)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
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(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(8)
  • 参考文献(1)
  • 二级参考文献(7)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(3)
  • 二级参考文献(1)
2006(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)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(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
安全性评价
半监督支持向量机
模糊C均值
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
电气应用
月刊
1672-9560
11-5249/TM
大16开
北京市西城区百万庄大街22号
82-341
1982
chi
出版文献量(篇)
8789
总下载数(次)
13
总被引数(次)
40011
论文1v1指导