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:
不同的样本对最终预测模型的贡献程度是不一样的.在分析了采用支持向量机解决回归预测问题基本原理的基础上,介绍了"预测误差权重"和"样本关联度权重"的两种样本权重确定方法,并将其引入到支持向量机预测模型中来,最后用实例证明了采用样本加权后的预测精度要更高,而采用"样本关联度权重"法的精度又比"预测误差权重"法的精度要高.
推荐文章
支持向量机在小样本预测中的应用
支持向量机
统计学习
预测
人工神经网络
核函数
加权支持向量机求解路径算法研究
求解路径
支持向量回归
加权系数
基于改进支持向量机的林业资金投资预测方法
林业资金投资
回归预测
时间序列
支持向量机
粒子群算法
基于优化特征加权支持向量机的隐写分析方法
隐写分析
主成分分析
信息增益
特征优化
特征加权
支持向量机
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 基于样本加权的支持向量机预测方法
来源期刊 火力与指挥控制 学科 工学
关键词 样本 加权 支持向量机
年,卷(期) 2010,(11) 所属期刊栏目
研究方向 页码范围 76-78
页数 分类号 TP181
字数 2288字 语种 中文
DOI 10.3969/j.issn.1002-0640.2010.11.022
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 刘晓东 空军工程大学工程学院 82 445 12.0 16.0
2 贺波 空军工程大学工程学院 18 64 5.0 7.0
3 靳小超 空军工程大学工程学院 9 41 4.0 5.0
4 钟学军 空军工程大学工程学院 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (5)
参考文献  (5)
节点文献
引证文献  (3)
同被引文献  (6)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 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(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
样本
加权
支持向量机
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
火力与指挥控制
月刊
1002-0640
14-1138/TJ
大16开
山西太原193号信箱
22-134
1976
chi
出版文献量(篇)
9188
总下载数(次)
26
总被引数(次)
34280
论文1v1指导