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:
从降低时间和空间复杂度的角度出发,针对支持向量机的增量学习问题展开了研究,描述并比较了目前研究与应用较多的几种支持向量机增量学习算法,提出了一种基于壳向量的支持向量机渐进式增量学习算法,仿真实验结果表明:该算法在保证良好的分类精度的前提下,提高了学习效率.
推荐文章
支持向量机增量学习算法研究
支持向量机
增量学习
期望风险
固定划分
过间隔
基于边界向量的支持向量机增量算法
增量学习算法
支持向量机
预选取
基于支持向量回归的增量学习算法
支持向量
支持向量回归
增量学习
基于支持向量机的增量学习算法研究
支持向量机
支持向量
增量学习
分类
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 基于壳向量的支持向量机渐进式增量学习算法
来源期刊 中南民族大学学报:自然科学版 学科 工学
关键词 增量学习 支持向量机 分类
年,卷(期) 2011,(3) 所属期刊栏目 计算机科学
研究方向 页码范围 94-97
页数 分类号 TP391
字数 2388字 语种 中文
DOI 10.3969/j.issn.1672-4321.2011.03.023
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 覃俊 中南民族大学计算机科学学院 51 338 11.0 16.0
2 许斐 中南民族大学计算机科学学院 2 8 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (154)
参考文献  (5)
节点文献
引证文献  (5)
同被引文献  (15)
二级引证文献  (26)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(2)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2013(3)
  • 引证文献(2)
  • 二级引证文献(1)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(9)
  • 引证文献(1)
  • 二级引证文献(8)
2016(3)
  • 引证文献(1)
  • 二级引证文献(2)
2017(6)
  • 引证文献(1)
  • 二级引证文献(5)
2018(5)
  • 引证文献(0)
  • 二级引证文献(5)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
增量学习
支持向量机
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
中南民族大学学报(自然科学版)
季刊
1672-4321
42-1705/N
大16开
武汉市民院路5号
1982
chi
出版文献量(篇)
2596
总下载数(次)
4
总被引数(次)
11010
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导