原文服务方: 计算机应用研究       
摘要:
介绍了SVM的理论基础和它的多种主要算法及这些算法的利弊与发展现状,并介绍了SVM在现实生活中的应用原理及应用现状。最后分析了SVM在发展中的不足之处,指出了其研究方向及前景,并提出在分布式支持向量机这个方向上可以进行更深层次的研究。
推荐文章
支持向量机理论与算法研究综述
FSVM
GSVM
统计学习理论
支持向量机
训练算法
TSVMs
支持向量机训练算法综述
支持向量机
训练算法
统计学习理论
支持向量机理论的研究与进展
支持向量机
核函数
特征空间
最小二乘法
支持向量机理论及其应用
支持向量机
统计学习理论
机器学习
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 支持向量机理论及算法研究综述
来源期刊 计算机应用研究 学科
关键词 支持向量机 统计学习理论 训练算法 模糊支持向量机 多分类支持向量机 模式识别
年,卷(期) 2014,(5) 所属期刊栏目 综述评论
研究方向 页码范围 1281-1286
页数 6页 分类号 TP301
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2014.05.001
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (195)
共引文献  (2185)
参考文献  (48)
节点文献
引证文献  (224)
同被引文献  (494)
二级引证文献  (260)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(10)
  • 参考文献(1)
  • 二级参考文献(9)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(15)
  • 参考文献(0)
  • 二级参考文献(15)
1999(8)
  • 参考文献(2)
  • 二级参考文献(6)
2000(9)
  • 参考文献(1)
  • 二级参考文献(8)
2001(11)
  • 参考文献(3)
  • 二级参考文献(8)
2002(18)
  • 参考文献(3)
  • 二级参考文献(15)
2003(14)
  • 参考文献(4)
  • 二级参考文献(10)
2004(18)
  • 参考文献(0)
  • 二级参考文献(18)
2005(16)
  • 参考文献(2)
  • 二级参考文献(14)
2006(22)
  • 参考文献(3)
  • 二级参考文献(19)
2007(22)
  • 参考文献(7)
  • 二级参考文献(15)
2008(18)
  • 参考文献(2)
  • 二级参考文献(16)
2009(18)
  • 参考文献(5)
  • 二级参考文献(13)
2010(15)
  • 参考文献(5)
  • 二级参考文献(10)
2011(10)
  • 参考文献(3)
  • 二级参考文献(7)
2012(6)
  • 参考文献(4)
  • 二级参考文献(2)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(9)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(9)
  • 二级引证文献(0)
2014(9)
  • 引证文献(9)
  • 二级引证文献(0)
2015(31)
  • 引证文献(28)
  • 二级引证文献(3)
2016(47)
  • 引证文献(35)
  • 二级引证文献(12)
2017(75)
  • 引证文献(37)
  • 二级引证文献(38)
2018(110)
  • 引证文献(50)
  • 二级引证文献(60)
2019(152)
  • 引证文献(50)
  • 二级引证文献(102)
2020(60)
  • 引证文献(15)
  • 二级引证文献(45)
研究主题发展历程
节点文献
支持向量机
统计学习理论
训练算法
模糊支持向量机
多分类支持向量机
模式识别
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导