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:
基于粒子群优化算法提出了一种通过优化支持向量机模型参数,建立更佳的支持向量机数学模型的方法.针对双螺旋分类问题,分别利用基于粒子群优化算法所建立的支持向量机分类器和标准支持向量机分类器进行了仿真实验,利用所建立的评价体系对仿真实验所获得的实验数据进行了评估,评估结果表明基于粒子群优化算法的支持向量机分类器明显优于标准支持向量机分类器,其分类结果表明基于粒子群优化算法的支持向量机分类器提高了分类结果的准确性,同时也验证了基于粒子群优化算法的支持向量机分类器在数据分类中的有效性.
推荐文章
基于粒子群算法优化支持向量机的模拟电路诊断
故障诊断
模拟电路
粒子群优化
多小波变换
支持向量机
基于粒子群算法优化支持向量机汽车故障诊断研究
粒子群算法
支持向量机
汽车故障诊断
遗传聚类
粒子群优化的隐空间光滑支持向量机算法
隐空间
支持向量机
熵函数
粒子群优化
共轭梯度法
基于支持向量回归机和粒子群算法的改进协同优化方法
协同优化
支持向量回归机
粒子群算法
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 基于粒子群优化算法的支持向量机研究
来源期刊 北京理工大学学报 学科 工学
关键词 粒子群优化算法(PSO) 支持向量机(SVM) 优化 双螺旋分类 评价
年,卷(期) 2014,(7) 所属期刊栏目 信息与控制
研究方向 页码范围 705-709
页数 分类号 TP301.6
字数 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 滕艳平 齐齐哈尔大学计算机与控制工程学院 45 216 7.0 13.0
2 柴宝仁 齐齐哈尔大学应用技术学院 20 188 7.0 13.0
3 谷文成 齐齐哈尔大学网络信息中心 14 128 6.0 11.0
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  (1)
节点文献
引证文献  (71)
同被引文献  (307)
二级引证文献  (173)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
2015(6)
  • 引证文献(4)
  • 二级引证文献(2)
2016(16)
  • 引证文献(12)
  • 二级引证文献(4)
2017(40)
  • 引证文献(21)
  • 二级引证文献(19)
2018(57)
  • 引证文献(20)
  • 二级引证文献(37)
2019(86)
  • 引证文献(8)
  • 二级引证文献(78)
2020(39)
  • 引证文献(6)
  • 二级引证文献(33)
研究主题发展历程
节点文献
粒子群优化算法(PSO)
支持向量机(SVM)
优化
双螺旋分类
评价
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
北京理工大学学报
月刊
1001-0645
11-2596/T
大16开
北京海淀区中关村南大街5号
82-502
1956
chi
出版文献量(篇)
5642
总下载数(次)
13
总被引数(次)
57269
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导