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:
支持向量机方法被看作是对传统学习分累方法的一个好的替代,特别在小样本、高维情况下,具有较好的泛化性能.针对一对一支持向量机方法进行了改进,并采用其对多目标图像进行了分割研究.实验结果表明,支持向量机方法是一种很有前景的图像分割技术.
推荐文章
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
核主成份分析
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
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 基于改进的支持向量机方法的多目标图像分割
来源期刊 舰船电子工程 学科 工学
关键词 统计学习理论 支持向量机 一对一方法 多目标图像分割
年,卷(期) 2009,(2) 所属期刊栏目 计算机与网络
研究方向 页码范围 113-115
页数 3页 分类号 TP391.41
字数 1929字 语种 中文
DOI 10.3969/j.issn.1627-9730.2009.02.034
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 3 15 3.0 3.0
10 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  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (5)
同被引文献  (7)
二级引证文献  (6)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 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)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(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
统计学习理论
支持向量机
一对一方法
多目标图像分割
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
舰船电子工程
月刊
1672-9730
42-1427/U
大16开
湖北省武汉市
1981
chi
出版文献量(篇)
9053
总下载数(次)
18
论文1v1指导