原文服务方: 现代电子技术       
摘要:
主成分分析是一种应用广泛的线性降维技术,它在保留住数据的重要成分的同时达到了对数据的降维.对高维、多属性的飞参数据进行主成分分析,可以实现飞参的降维.支持向量机的学习方法则以其全局最优和泛化能力好的特点,实现对飞参阶段的划分.使用主成分分析后的数据进行阶段划分可以提高划分速度,并且划分效果更好.
推荐文章
基于主成分分析和支持向量机的参数费用模型
主成分分析
支持向量机
参数费用模型
神经网络
基于主成分分析和支持向量机的作战飞机效能评估
主成分分析
支持向量机
效能
神经网络
基于主成分分析和支持向量机的英语教学质量评价
高校教育
英语教学质量
指标体系
指标权值
主成分分析
支持向量机
基于主成分分析的最小二乘支持向量机岩性识别方法
测井解释
岩性识别
主成分分析
最小二乘支持向量机
累积方差
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 基于主成分分析和支持向量机的飞参阶段划分研究
来源期刊 现代电子技术 学科
关键词 飞参 主成分分析 支持向量机 阶段划分
年,卷(期) 2010,(8) 所属期刊栏目 科学计算与信息处理
研究方向 页码范围 134-137
页数 分类号 TP183
字数 语种 中文
DOI 10.3969/j.issn.1004-373X.2010.08.042
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 路辉 北京航空航天大学电子信息工程学院 37 156 7.0 10.0
2 李丹丹 北京航空航天大学电子信息工程学院 3 17 2.0 3.0
3 郎荣玲 北京航空航天大学电子信息工程学院 28 178 6.0 13.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (36)
共引文献  (51)
参考文献  (7)
节点文献
引证文献  (9)
同被引文献  (35)
二级引证文献  (34)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
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)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(7)
  • 参考文献(0)
  • 二级参考文献(7)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(8)
  • 参考文献(0)
  • 二级参考文献(8)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(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)
2011(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(6)
  • 引证文献(2)
  • 二级引证文献(4)
2017(6)
  • 引证文献(1)
  • 二级引证文献(5)
2018(8)
  • 引证文献(2)
  • 二级引证文献(6)
2019(9)
  • 引证文献(0)
  • 二级引证文献(9)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
飞参
主成分分析
支持向量机
阶段划分
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
现代电子技术
半月刊
1004-373X
61-1224/TN
大16开
1977-01-01
chi
出版文献量(篇)
23937
总下载数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导