作者:
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:
笔者对支持向量机在大规模数据分类中的应用进行了分析研究,针对其在处理大规模数据时存在的内存空间需求过大和训练时间过长的问题,基于不同特性的通用数据集对三种不同算法支持向量机的分类时间和准确度进行了实验,比较分析了传统支持向量机采用不同核函数和线性支持向量机采用不同损失函数的分类效果,对分布式支持向量机的分类进行了实验.实验结果表明,相对于传统支持向量机,分布式支持向量机和线性支持向量机的训练速度和分类准确率都有提高.
推荐文章
分类大规模数据的核向量机方法研究
支持向量机
核向量机
最小包围球
适于大规模数据集的块增量学习算法: BISVM
支持向量机
块增量算法
大规模训练
支持向量机方法在膨胀土分类中的应用
膨胀土
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 支持向量机在大规模数据分类中的应用
来源期刊 信息与电脑 学科 工学
关键词 分布式支持向量机 线性支持向量机 大规模数据
年,卷(期) 2017,(22) 所属期刊栏目 算法语言
研究方向 页码范围 44-45,48
页数 3页 分类号 TP18
字数 1699字 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 解洪胜 山东英才学院信息工程学院 2 4 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (42)
共引文献  (21)
参考文献  (6)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
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(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(10)
  • 参考文献(0)
  • 二级参考文献(10)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(5)
  • 参考文献(2)
  • 二级参考文献(3)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(2)
  • 参考文献(2)
  • 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)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
分布式支持向量机
线性支持向量机
大规模数据
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
信息与电脑
半月刊
1003-9767
11-2697/TP
北京市东城区北河沿大街79号
chi
出版文献量(篇)
16624
总下载数(次)
72
总被引数(次)
19907
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导