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:
支持向量机是近年来发展的以统计学习理论为基础的新型学习机,核函数的选择无疑是其重要的核心问题.先对核函数进行定义,然后通过对核理论进行性质分析,最后明确了对最优核函数的选择与构造,从理论上为核函数的选择提供了参考.该学习机用结构风险代替经验风险,因而具有传统的神经网络无法相比的优势.
推荐文章
基于混合核函数支持向量机的齿轮诊断方法研究
支持向量机
混合核函数
齿轮故障分类
复高斯小波核函数的支持向量机研究
复高斯小波核函数
Mercy条件
支持向量机
非线性系统辨识及预测
基于分段核函数的支持向量机及其应用
支持向量机
分段核函数
全局核
局部核
基于一种混合核函数的支持向量机聚类
SVM
混合核函数
加权多宽度高斯核
支持向量聚类
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 支持向量机核函数的构造方法研究与分析
来源期刊 高师理科学刊 学科 工学
关键词 支持向量机 核函数 核理论 最优核函数
年,卷(期) 2010,(2) 所属期刊栏目
研究方向 页码范围 23-26
页数 4页 分类号 TP181
字数 3737字 语种 中文
DOI 10.3969/j.issn.1007-9831.2010.02.006
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 杨冬云 黑龙江工程学院电子工程系 9 66 4.0 8.0
2 李数函 成都市技师学院电子信息工程系 4 20 1.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (42)
共引文献  (93)
参考文献  (15)
节点文献
引证文献  (19)
同被引文献  (43)
二级引证文献  (42)
1950(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(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)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(13)
  • 参考文献(4)
  • 二级参考文献(9)
2003(7)
  • 参考文献(2)
  • 二级参考文献(5)
2004(3)
  • 参考文献(2)
  • 二级参考文献(1)
2005(6)
  • 参考文献(3)
  • 二级参考文献(3)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(8)
  • 引证文献(3)
  • 二级引证文献(5)
2014(6)
  • 引证文献(0)
  • 二级引证文献(6)
2015(8)
  • 引证文献(2)
  • 二级引证文献(6)
2016(5)
  • 引证文献(2)
  • 二级引证文献(3)
2017(9)
  • 引证文献(3)
  • 二级引证文献(6)
2018(11)
  • 引证文献(2)
  • 二级引证文献(9)
2019(8)
  • 引证文献(3)
  • 二级引证文献(5)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
支持向量机
核函数
核理论
最优核函数
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
高师理科学刊
月刊
1007-9831
23-1418/N
大16开
齐齐哈尔市文化大街42号
1979
chi
出版文献量(篇)
5509
总下载数(次)
5
总被引数(次)
11713
论文1v1指导