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:
提出了基于K-means的二阶段多类SVM分类方法.该方法分为二个阶段:第一阶段采用K-means聚类,通过抽样精度来提高聚类准确度;第二阶段采用LIBSVM进行分类.通过使用LIBSVM提供的语料进行实验,结果显示比直接使用LIBSVM进行分类准确度提高了9.35%.
推荐文章
基于K-means与SVM结合的遥感图像全自动分类方法
K-means
支持向量机
遥感图像分类
一种K-means聚类和超球结合的多类分类算法
K-均值聚类算法
高斯性测度
超球
多类分类
基于变异的k-means聚类算法
聚类
mk-means算法
变异
基于Hadoop二阶段并行模糊c-Means数据聚类算法
二阶段
模糊c-Means
大数据
数据聚类
hadoop
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K-means的二阶段多类SVM分类器
来源期刊 广西师范大学学报(自然科学版) 学科 工学
关键词 分类,K-平均算法 二阶段多类支持向量机分类 LIBSVM
年,卷(期) 2009,(1) 所属期刊栏目
研究方向 页码范围 109-112
页数 4页 分类号 TP301.6
字数 2694字 语种 中文
DOI 10.3969/j.issn.1001-6600.2009.01.028
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 吴京慧 江西财经大学信息管理学院 20 233 9.0 14.0
2 魏伟华 江西财经大学信息管理学院 3 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (66)
参考文献  (3)
节点文献
引证文献  (6)
同被引文献  (4)
二级引证文献  (1)
1943(1)
  • 参考文献(0)
  • 二级参考文献(1)
1967(2)
  • 参考文献(0)
  • 二级参考文献(2)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1990(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)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(4)
  • 参考文献(1)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
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
分类,K-平均算法
二阶段多类支持向量机分类
LIBSVM
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
广西师范大学学报(自然科学版)
双月刊
1001-6600
45-1067/N
大16开
桂林市育才路15号
48-54
1957
chi
出版文献量(篇)
3550
总下载数(次)
1
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导