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:
针对大多数主动学习支持向量机(ASVM)的主动学习策略只注重考察超平面附近的样本,忽略了有些距离超平面远但是支持向量的样本,而且没有考虑当前超平面是否接近实际的超平面.提出一种基于概率的主动支持向量机算法,采用一个置信因子来衡量当前的超平面接近实际的超平面的程度.实验结果都验证了该算法在分类精度与计算量方面都有了较大改进.
推荐文章
基于主动学习的支持向量机算法
支持向量机
主动学习
有价值样本
支持向量
基于遗传算法的双子支持向量机的模型选择
双子支持向量机
遗传算法
核函数
参数选择
改进PSO算法的支持向量机在NIDS中的应用
粒子群优化
支持向量机
入侵检测系统
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 改进的概率选择主动支持向量机算法
来源期刊 计算机工程与应用 学科 工学
关键词 支持向量机 主动学习 主动支持向量机 置信因子
年,卷(期) 2010,(35) 所属期刊栏目
研究方向 页码范围 188-191
页数 分类号 TP301
字数 4710字 语种 中文
DOI 10.3778/j.issn.1002-8331.2010.35.054
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 吴小俊 江南大学信息工程学院 170 1079 17.0 22.0
2 樊继伟 江南大学信息工程学院 2 17 2.0 2.0
3 李朝锋 江南大学信息工程学院 48 430 12.0 19.0
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  (4)
参考文献  (2)
节点文献
引证文献  (8)
同被引文献  (29)
二级引证文献  (10)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(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(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(3)
  • 引证文献(1)
  • 二级引证文献(2)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
支持向量机
主动学习
主动支持向量机
置信因子
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导