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:
提出一种新的基于离散化方法的支持向量机集成算法,该算法采用粗糙集和布尔推理离散化方法构造有差异的基分类器,进一步提高了集成学习机的分类性能.实验结果表明,所提算法具有明显优于单一支持向量机的分类性能,并能取得比传统的集成学习算法Bagging和Adaboost更高的分类正确率.
推荐文章
基于离散化的支持向量机特征选择
离散化
特征选择
支持向量机
分类
一致度
基于支持向量机集成的分类
支持向量机
结构风险最小化
集成
子支持向量机
子预测
基于类内离散度的最小二乘支持向量机
类内离散度
分类
最小二乘支持向量机
核方法
基于深度集成支持向量机的工业过程软测量方法
支持向量机
软测量
深度置信网络
集成学习
预测
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RSBRA离散化方法的支持向量机集成
来源期刊 科学技术与工程 学科 工学
关键词 支持向量机 离散化 支持向量机集成
年,卷(期) 2008,(12) 所属期刊栏目 论文
研究方向 页码范围 3167-3170
页数 4页 分类号 TP18
字数 3355字 语种 中文
DOI 10.3969/j.issn.1671-1815.2008.12.023
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 蔡铁 深圳信息职业技术学院信息技术研究所 23 73 6.0 7.0
2 伍星 深圳信息职业技术学院信息技术研究所 7 33 3.0 5.0
3 李烨 深圳信息职业技术学院信息技术研究所 2 8 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (6)
参考文献  (6)
节点文献
引证文献  (2)
同被引文献  (9)
二级引证文献  (4)
1990(2)
  • 参考文献(2)
  • 二级参考文献(0)
1996(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)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(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)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
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
离散化
支持向量机集成
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
科学技术与工程
旬刊
1671-1815
11-4688/T
大16开
北京市海淀区学院南路86号
2-734
2001
chi
出版文献量(篇)
30642
总下载数(次)
83
总被引数(次)
113906
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导