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核的学习方法,核函数选取对支持向量机性能有着重要的影响,如何有效地进行核函数选择是支持向量机研究领域的一个重要问题.目前大多数核选择方法不考虑数据的分布特征,没有充分利用隐含在数据中的先验信息.为此,引入能量熵概念,借助超球体描述和核函数蕴藏的度量特征,提出一种基于样本分布能量熵的支持向量机核函数选择方法,以提高SVM学习能力和泛化能力.数值实例仿真验证表明了该方法的可行性和有效性.
推荐文章
基于分段核函数的支持向量机及其应用
支持向量机
分段核函数
全局核
局部核
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
基于混合核函数支持向量机的齿轮诊断方法研究
支持向量机
混合核函数
齿轮故障分类
核PCA支持向量机算法研究
核函数
核主元分析
支持向量机
分类
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 支持向量机核函数选择研究与仿真
来源期刊 计算机工程与科学 学科 工学
关键词 支持向量机 核函数 样本分布 先验信息 能量熵
年,卷(期) 2015,(6) 所属期刊栏目 人工智能
研究方向 页码范围 1135-1141
页数 7页 分类号 TP181
字数 5514字 语种 中文
DOI 10.3969/j.issn.1007-130X.2015.06.015
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 梁礼明 江西理工大学电气工程与自动化学院 93 415 9.0 17.0
2 陈召阳 江西理工大学电气工程与自动化学院 4 74 1.0 4.0
3 钟震 江西理工大学电气工程与自动化学院 2 73 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (96)
共引文献  (574)
参考文献  (14)
节点文献
引证文献  (73)
同被引文献  (169)
二级引证文献  (71)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(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(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(10)
  • 参考文献(0)
  • 二级参考文献(10)
2006(12)
  • 参考文献(0)
  • 二级参考文献(12)
2007(12)
  • 参考文献(1)
  • 二级参考文献(11)
2008(19)
  • 参考文献(2)
  • 二级参考文献(17)
2009(14)
  • 参考文献(3)
  • 二级参考文献(11)
2010(13)
  • 参考文献(1)
  • 二级参考文献(12)
2011(7)
  • 参考文献(5)
  • 二级参考文献(2)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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)
2016(13)
  • 引证文献(13)
  • 二级引证文献(0)
2017(12)
  • 引证文献(7)
  • 二级引证文献(5)
2018(46)
  • 引证文献(30)
  • 二级引证文献(16)
2019(52)
  • 引证文献(18)
  • 二级引证文献(34)
2020(21)
  • 引证文献(5)
  • 二级引证文献(16)
研究主题发展历程
节点文献
支持向量机
核函数
样本分布
先验信息
能量熵
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
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导