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:
支持向量机(SVM),以统计学习理论的为理论基础,是一种建立在VC维理论和SRM原则基础上的机器学习算法.由于支持向量机具有优秀的学习能力和良好的推广能力,目前已成功应用到很多领域,成为国际机器学习的研究热点.本文探讨了支持向量机的基本思想及其算法.
推荐文章
超球体多类支持向量机理论
支持向量机
多类支持向量机
SMO训练算法
推广性能
超球体多类支持向量机
支持向量机理论及算法研究综述
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
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
基于支持向量机理论的海水水质富营养化评价研究
支持向量机
海水富营养化
水质评价
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 支持向量机理论浅谈
来源期刊 电脑迷 学科
关键词 支持向量机 SVM 机器学习
年,卷(期) 2018,(22) 所属期刊栏目 软件应用
研究方向 页码范围 25
页数 1页 分类号
字数 2091字 语种 中文
DOI 10.3969/j.issn.1672-528X.2018.22.024
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 孙璐 13 10 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (43)
共引文献  (512)
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)
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(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(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(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(7)
  • 参考文献(1)
  • 二级参考文献(6)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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
支持向量机
SVM
机器学习
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
论文1v1指导