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:
针对序贯最小优化(SMO)训练算法具有计算速度快、无内负荷的特点,将其移植到模糊一类支持向量机(1-FSVM)中.1-FSVM 算法融入层次型偏二叉树结构进行逐步聚类以加快训练速度,并对每个输入向量赋予不同权值以达到准确的分类效果.应用于光识别手写数字集和车牌定位的结果表明,1-FSVM 算法具有较高的检测率与较快的检测速度.
推荐文章
基于样本取样的SMO算法
机器学习
支持向量机
序贯最小优化
取样
基于SMO算法的皮带撕裂红外图像检测方法
红外图像检测
运煤皮带
纵向撕裂
SMO算法
图像分割
决策模型
支持向量机的SMO算法及其自适应改进研究
机器学习
支持向量机
SMO算法
自适应
基于蚁群优化算法的凝聚型层次聚类
凝聚型层次聚类
蚁群优化
状态转移规则
信息素更新规则
最优路径
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SMO的层次型1-FSVM算法
来源期刊 计算机工程 学科 工学
关键词 模糊一类支持向量机 序贯最小优化 层次型
年,卷(期) 2010,(19) 所属期刊栏目
研究方向 页码范围 188-189,192
页数 分类号 TP393
字数 2666字 语种 中文
DOI 10.3969/j.issn.1000-3428.2010.19.065
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 齐冬莲 浙江大学电气工程学院 74 944 15.0 28.0
2 左萍平 浙江大学电气工程学院 1 7 1.0 1.0
3 孙赟 浙江大学电气工程学院 2 67 2.0 2.0
4 顾弘 浙江大学电气工程学院 7 77 3.0 7.0
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  (2)
节点文献
引证文献  (7)
同被引文献  (6)
二级引证文献  (16)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(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)
2011(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(3)
  • 引证文献(3)
  • 二级引证文献(0)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(6)
  • 引证文献(1)
  • 二级引证文献(5)
2016(4)
  • 引证文献(0)
  • 二级引证文献(4)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(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
模糊一类支持向量机
序贯最小优化
层次型
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
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导