原文服务方: 微电子学与计算机       
摘要:
在核主成份分析的特征提取基础上,采用支持向量机方法对多目标图像进行分割研究.实验结果表明,结合核主成份分析的特征提取,支持向量机方法是一种很有前景的多目标图像分割技术.
推荐文章
基于改进的一对一支持向量机方法的多目标图像分割
统计学习理论
支持向量机
一对一方法
多目标图像分割
基于支持向量机的目标图像识别技术
图像处理
图像识别
支持向量机
基于支持向量机方法的多目标图像分割
多目标图像分割
支持向量机
统计学习理论
基于支持向量机方法的噪声图像分割
支持向量机
噪声图像分割
计算机视觉
统计学习理论
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 基于支持向量机方法的多目标图像分割
来源期刊 微电子学与计算机 学科
关键词 多目标图像分割 支持向量机 核主成份分析
年,卷(期) 2009,(4) 所属期刊栏目
研究方向 页码范围 5-10
页数 6页 分类号 TP31
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 曹万华 哈尔滨工程大学计算机科学与技术学院 34 319 8.0 16.0
5 陈炜 25 136 7.0 9.0
6 徐海祥 哈尔滨工程大学计算机科学与技术学院 57 166 7.0 9.0
15 郭丽艳 9 39 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (30)
参考文献  (14)
节点文献
引证文献  (6)
同被引文献  (11)
二级引证文献  (10)
1996(4)
  • 参考文献(2)
  • 二级参考文献(2)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(3)
  • 参考文献(2)
  • 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(2)
  • 二级参考文献(1)
2003(9)
  • 参考文献(3)
  • 二级参考文献(6)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(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)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(6)
  • 引证文献(1)
  • 二级引证文献(5)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
多目标图像分割
支持向量机
核主成份分析
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
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导