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:
有向无环图支持向量机( DAG-SVM)对于N类别分类问题,会构造N ×( N-1)/2个支持向量机分类器(为每2个类构造一个支持向量机),DAG-SVM可能出现由于节点选择不佳而导致整个分类器分类结果较差的情况。为此,提出一种改进的DAG-SVM。通过为每一层建立备选节点集合进行节点选择,选取下层备选节点集合中训练分类精度最高的一个节点组合作为当前层节点的下层节点,从而优化DAG-SVM的拓扑结构。实验结果表明,与已有的DAG-SVM,1-vs-1 SVM,1-vs-a SVM方法相比,该方法的分类精度较高。
推荐文章
基于类间可分性DAG-SVM的文本分类
文本分类
支持向量机
DAG-SVM
类间可分性
基于故障区分度DAG-SVM的模拟电路故障诊断
模拟电路
故障诊断
多类分类
有向无环图支持向量机
故障区分度
基于粗糙集和优化DAG-SVM的船舶主机故障诊断方法
粗糙集属性约简
支持向量机
有向无环图—支持向量机
船舶主机
故障诊断
DAG-SVM的结构优化研究及其在故障诊断中的应用
支持向量机
有向无环图
多分类
故障诊断
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 基于节点选择优化的DAG-SVM多类别分类
来源期刊 计算机工程 学科 工学
关键词 有向无环图支持向量机 分类器 多类别分类 节点选择优化 备选节点
年,卷(期) 2015,(6) 所属期刊栏目 ?人工智能及识别技术?
研究方向 页码范围 143-146
页数 4页 分类号 TP181
字数 3444字 语种 中文
DOI 10.3969/j.issn.1000-3428.2015.06.026
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 蒋芸 西北师范大学计算机科学与工程学院 38 377 11.0 18.0
2 沈健 西北师范大学计算机科学与工程学院 9 60 5.0 7.0
3 邹丽 西北师范大学计算机科学与工程学院 6 59 5.0 6.0
4 陈娜 西北师范大学计算机科学与工程学院 9 110 5.0 9.0
5 胡学伟 西北师范大学计算机科学与工程学院 11 89 7.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (55)
共引文献  (508)
参考文献  (7)
节点文献
引证文献  (14)
同被引文献  (58)
二级引证文献  (37)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(11)
  • 参考文献(0)
  • 二级参考文献(11)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(8)
  • 参考文献(3)
  • 二级参考文献(5)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(5)
  • 引证文献(5)
  • 二级引证文献(0)
2017(12)
  • 引证文献(5)
  • 二级引证文献(7)
2018(12)
  • 引证文献(2)
  • 二级引证文献(10)
2019(18)
  • 引证文献(1)
  • 二级引证文献(17)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
有向无环图支持向量机
分类器
多类别分类
节点选择优化
备选节点
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
论文1v1指导