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:
通过对标准的回归型支持向量机进行改进,得到一种新的学习算法.这种新的学习算法不仅能减少计算的复杂性,提高学习速度;同时在一定程度上能提高回归估计的精确性,特别是用于解决大规模样本问题.
推荐文章
基于改进型人工鱼群算法的支持向量机参数优化
支持向量机
人工鱼群算法
参数优化
有向无环图
基于支持向量回归机和粒子群算法的改进协同优化方法
协同优化
支持向量回归机
粒子群算法
改进的FS算法选取支持向量回归机参数及应用
智能交通系统
自由搜索算法
支持向量回归机
参数优化
交通流预测
改进的用于回归估计的支持向量机学习算法
支持向量机
回归
学习算法
学习速度
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 改进的回归型支持向量机学习算法
来源期刊 科学技术与工程 学科 工学
关键词 支持向量机 回归 学习算法 学习速度
年,卷(期) 2009,(23) 所属期刊栏目 研究简报
研究方向 页码范围 7138-7140
页数 3页 分类号 TP181
字数 1574字 语种 中文
DOI 10.3969/j.issn.1671-1815.2009.23.043
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 熊明 大理学院数学与计算机学院 31 88 6.0 7.0
2 张朝元 大理学院数学与计算机学院 38 141 7.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (99)
参考文献  (1)
节点文献
引证文献  (1)
同被引文献  (9)
二级引证文献  (0)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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)
2010(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
支持向量机
回归
学习算法
学习速度
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