原文服务方: 现代电子技术       
摘要:
针对基于支持向量机的聚类算法中,由于高斯核在无限远处的衰减几乎为零,从而影响聚类效果的问题,采用了改进的高斯核函数.该方法使在高维特征空间中,核函数不仅满足在测试点附近有较快的衰减速度,而且在无限远处仍能保持适度的衰减,从而提高聚类效果.实验表明,改进的高斯核比高斯核聚类错误率更低.
推荐文章
基于加权多宽度高斯核函数的聚类算法
加权多宽度高斯核
聚类
SVC
高斯核
基于一种混合核函数的支持向量机聚类
SVM
混合核函数
加权多宽度高斯核
支持向量聚类
基于模糊核聚类的多类支持向量机
支持向量机
多类分类
模糊核
二叉树
复高斯小波核函数的支持向量机研究
复高斯小波核函数
Mercy条件
支持向量机
非线性系统辨识及预测
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 基于支持向量机的改进高斯核函数聚类算法研究
来源期刊 现代电子技术 学科
关键词 改进的高斯核 聚类 SVC 高斯核
年,卷(期) 2011,(13) 所属期刊栏目 信号处理
研究方向 页码范围 67-70,73
页数 分类号 TN911.7-34
字数 语种 中文
DOI 10.3969/j.issn.1004-373X.2011.13.020
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 赵犁丰 中国海洋大学信息科学与工程学院电子工程系 24 196 8.0 13.0
2 阎晓娜 中国海洋大学信息科学与工程学院电子工程系 1 8 1.0 1.0
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  (5)
节点文献
引证文献  (8)
同被引文献  (19)
二级引证文献  (16)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(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(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(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)
2017(5)
  • 引证文献(2)
  • 二级引证文献(3)
2018(5)
  • 引证文献(2)
  • 二级引证文献(3)
2019(9)
  • 引证文献(0)
  • 二级引证文献(9)
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
改进的高斯核
聚类
SVC
高斯核
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
总被引数(次)
135074
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导