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L1范数支持向量机和L2范数支持向量机在分析部分小样本、高维数、变量高相关的数据时效果不理想的问题,在综合利用这2种支持向量机优点的基础上,提出一种双重正则化支持向量机的改进算法.通过正号函数和二次多项式损失函数将问题转化为可微的无条件约束优化问题,便于采用多种优化算法进行运算.实验结果证明,该改进算法可取得较好的分类准确率.
推荐文章
一种改进的支持向量机及其应用
支持向量机
模糊支持向量机
模糊隶属度
车型识别
一种基于PSO的混合核支持向量机算法
支持向量机
全局核函数
局部核函数
混合核函数
粒子群优化算法
一种快速加权支持向量机训练算法
加权支持向量机
工作集
目标函数
一种改进的基于支持向量机的 OFD M识别算法
调制识别
特征参数提取
高阶累积量
支持向量机
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 一种双重正则化支持向量机的改进算法
来源期刊 计算机工程 学科 工学
关键词 L1范数支持向量机 L2范数支持向量机 正号函数 二次多项式函数 BFGS算法 双重正则化
年,卷(期) 2012,(24) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 179-181,187
页数 4页 分类号 TP391
字数 3802字 语种 中文
DOI
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 刘三阳 西安电子科技大学理学院 662 5562 32.0 51.0
2 秦传东 北方民族大学信息与计算科学学院 7 72 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (77)
参考文献  (5)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(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(2)
  • 参考文献(1)
  • 二级参考文献(1)
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)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
L1范数支持向量机
L2范数支持向量机
正号函数
二次多项式函数
BFGS算法
双重正则化
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
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导