作者:
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:
通过分析现有SVM的两种改进算法:半监督学习算法和增量学习算法,给出了对现有的增量学习算法的改进,提出了一种新的半监督增量SVM学习算法,将其应用于Web文本分类中,并验证了半监督增量SVM学习算法的有效性和可行性.
推荐文章
一种改进的并行处理SVM学习算法
支持向量
循环迭代法
并行处理
合并算法
一种新的SVM多层增量学习方法HISVML
支持向量机
增量学习
关键词学习
文本分类
一种改进的SVM算法
支持向量机
训练集
分类精度
一种基于半监督主动学习的动态贝叶斯网络算法
动态贝叶斯网络
半监督主动学习
主动学习
最小相对熵
投票熵
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 一种改进的半监督增量SVM学习算法
来源期刊 科学技术与工程 学科 工学
关键词 支持向量机 半监督学习 增量学习 Web文本分类
年,卷(期) 2010,(1) 所属期刊栏目 研究简报
研究方向 页码范围 238-240
页数 3页 分类号 TP181
字数 2330字 语种 中文
DOI 10.3969/j.issn.1671-1815.2010.01.054
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 吕宏伟 35 87 5.0 9.0
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  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (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)
研究主题发展历程
节点文献
支持向量机
半监督学习
增量学习
Web文本分类
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
科学技术与工程
旬刊
1671-1815
11-4688/T
大16开
北京市海淀区学院南路86号
2-734
2001
chi
出版文献量(篇)
30642
总下载数(次)
83
总被引数(次)
113906
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导