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:
本文提出了一种新的语谱图识别算法,该算法首先利用遗传算法(GA)对支持向量机(SVM)中两个重要参数(惩罚参数c和核函数参数g)进行大范围的寻优,然后利用最佳参数训练支持向量机,最终实现对语谱图的识别.
推荐文章
基于免疫遗传优化支持向量机的普米语孤立词语谱图分类
普米语
语谱图
支持向量机(SVM)
免疫遗传算法(IGA)
2值特征
基于PSO-SVM的普米语语谱图识别
普米语
直方图均衡化
粒子群算法(PSO)
支持向量机(SVM)
基于改进遗传算法的支持向量机参数优化方法
遗传算法
支持向量机算法
参数优化
自适应遗传算法优化支持向量机的过电压识别
过电压识别
支持向量机
输电线路
遗传算法
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 遗传算法优化支持向量机用于语谱图识别
来源期刊 电脑迷 学科
关键词 遗传算法(GA) 支持向量机(SVM)1引言
年,卷(期) 2017,(19) 所属期刊栏目 创新论坛
研究方向 页码范围 241
页数 1页 分类号
字数 932字 语种 中文
DOI 10.3969/j.issn.1672-528X.2017.19.224
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 傅美君 云南民族大学数学与计算机科学学院 5 21 3.0 4.0
2 彭晨 云南民族大学数学与计算机科学学院 4 2 1.0 1.0
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  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
研究主题发展历程
节点文献
遗传算法(GA)
支持向量机(SVM)1引言
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
电脑迷
旬刊
1672-528X
50-1163/TP
16开
重庆市渝中区双钢路3号科协大厦1202(武汉市洪山区珞狮北路2号樱花大厦A座15楼 430070)
78-230
2003
chi
出版文献量(篇)
29651
总下载数(次)
121
总被引数(次)
8479
论文1v1指导