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:
支持向量机是一种基于统计学习理论的机器学习方法,由于其出色的学习性能,已经广泛应用于解决分类与回归问题。对比研究支持向量机和BP神经网络在分类与回归上的异同,通过仿真实验分析两者在测试集上分类与回归的泛化能力,研究表明支持向量机的泛化能力要优于BP神经网络。
推荐文章
基于BP神经网络与SVM模型的黄尾河径流预测比较分析
黄尾河
径流预测
神经网络模型(BP)
支持向量机模型(SVM)
基于SVM分类和回归的WiFi室内定位方法
支持向量机
室内定位
区域划分
分类
回归
基于改进KPCA与SVM的题名分类研究
题名分类
核主成分分析
数据降维
特征提取
数据挖掘
模式识别
GA-BP算法与SVM在呼吸运动估计中的效果比较
误差反向传播算法
支持向量机
呼吸运动
均方根误差
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SVM与BP的分类与回归比较研究
来源期刊 新型工业化 学科
关键词 支持向量机 BP神经网络 分类 回归 泛化能力
年,卷(期) 2014,(5) 所属期刊栏目 设计与研究
研究方向 页码范围 48-53
页数 6页 分类号
字数 4392字 语种 中文
DOI 10.3969/j.issn.2095-6649.2014.5.06
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 徐启华 淮海工学院电子工程学院 30 500 12.0 22.0
2 肖晓 中国矿业大学信息与电气工程学院 2 43 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (19)
参考文献  (7)
节点文献
引证文献  (32)
同被引文献  (114)
二级引证文献  (141)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(6)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(5)
  • 二级引证文献(1)
2014(6)
  • 引证文献(5)
  • 二级引证文献(1)
2015(17)
  • 引证文献(5)
  • 二级引证文献(12)
2016(27)
  • 引证文献(9)
  • 二级引证文献(18)
2017(26)
  • 引证文献(5)
  • 二级引证文献(21)
2018(41)
  • 引证文献(4)
  • 二级引证文献(37)
2019(41)
  • 引证文献(4)
  • 二级引证文献(37)
2020(15)
  • 引证文献(0)
  • 二级引证文献(15)
研究主题发展历程
节点文献
支持向量机
BP神经网络
分类
回归
泛化能力
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
新型工业化
月刊
2095-6649
11-5947/TB
16开
北京石景山区鲁谷路35号1106室
2011
chi
出版文献量(篇)
2442
总下载数(次)
8
论文1v1指导