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:
支持向量机是基于统计学习理论的小样本学习方法,是一种处理高度非线性分类回归等问题的新方法,它能较好地解决小样本非线性高维数,避免了神经酬络无法解决的局部极小问题.简要介绍了支持向最机的基本原理及其在渗流监测数据处理中的应用,论述了如何利用支持向量机建立大坝渗流统计模型和预报.通过对云龙水库渗流监测连续观测数据的计算和分析,并与RBF神经剐络预测结果进行比较,证明支持向量回归机在渗流监测中比RBF神经网络预测精度更高,具有良好的泛化能力.图2表2参7
推荐文章
支持向量机在大坝变形监测中的应用
大坝
变形监测
支持向量机
监控模型
机器学习在大坝渗流预测中的应用、挑战与展望
大坝
渗流预测
机器学习
参数识别
支持向量机在焊接过程中的应用
支持向量机
机器学习
焊接
支持向量机及其在目标识别中的应用
支持向量机
统计学习
目标识别
图像处理
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 支持向量机在大坝渗流监测中的应用
来源期刊 中国学术期刊文摘 学科 工学
关键词 支持向量机 渗流监测 核函数 核参数和惩罚因子
年,卷(期) 2008,(18) 所属期刊栏目
研究方向 页码范围 260
页数 1页 分类号 TP181|TV698.12
字数 语种 中文
DOI
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 李智录 西安理工大学水利水电学院 36 211 9.0 12.0
2 张真真 西安理工大学水利水电学院 5 58 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (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)
研究主题发展历程
节点文献
支持向量机
渗流监测
核函数
核参数和惩罚因子
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
中国学术期刊文摘
半月刊
1005-8923
11-3501/N
北京市海淀区学院南路86号
chi
出版文献量(篇)
9568
总下载数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导