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:
提出了基于对应分析的支持向量机分类模型.该模型通过对应分析可以同时对变量及样本进行降维和消除相关性,从而在降低SVM训练时间的基础上有效地提高了SVM的分类精度.实验结果表明该方法是可行的.
推荐文章
基于支持向量机的流量分类方法
流量分类
支持向量机
流量识别
岩爆分类的支持向量机方法
岩爆
分类
支持向量机
基于支持向量机的路面图像分类方法
路面分类
颜色特征
纹理特征
模糊支持向量机
用于分类的支持向量机
支持向量机
机器学习
分类
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 基于对应分析的支持向量机分类研究
来源期刊 四川理工学院学报(自然科学版) 学科 工学
关键词 支持向量机 对应分析 分类模型 因子分析
年,卷(期) 2010,(5) 所属期刊栏目
研究方向 页码范围 508-510
页数 分类号 TP183
字数 2013字 语种 中文
DOI 10.3969/j.issn.1673-1549.2010.05.004
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 贺兴时 西安工程大学理学院 136 975 16.0 25.0
2 王娟 西安工程大学理学院 18 34 3.0 4.0
3 赵飞军 西安工程大学理学院 3 5 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (30)
共引文献  (29)
参考文献  (10)
节点文献
引证文献  (2)
同被引文献  (13)
二级引证文献  (16)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1995(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(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(9)
  • 参考文献(3)
  • 二级参考文献(6)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(3)
  • 引证文献(2)
  • 二级引证文献(1)
2013(3)
  • 引证文献(0)
  • 二级引证文献(3)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
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
支持向量机
对应分析
分类模型
因子分析
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
四川理工学院学报(自然科学版)
双月刊
1673-1549
51-1687/N
四川省自贡市汇兴路学苑街180号
chi
出版文献量(篇)
2774
总下载数(次)
3
总被引数(次)
12372
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导