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:
基于统计学习理论的支持向量机(Support vector machines,SVM)以其优秀的学习能力受到广泛的关注.但传统支持向量机在处理大规模二次规划问题时会出现训练时间长、效率低下等问题.对SVM训练算法的最新研究成果进行了综述,对主要算法进行了比较深入的分析和比较,指出了各自的优点及其存在的问题,并且着重介绍了目前研究的新进展--模糊SVM和粒度SVM.接着论述了SVM主要的两方面应用--分类和回归.最后给出了今后SVM研究方向的预见.
推荐文章
基于支持向量机遥感图像融合分类方法研究进展
遥感图像
信息提取
融合分类
支持向量机
支持向量机及其应用研究
机器学习
统计学习理论
支持向量机
模式识别
单类支持向量机的研究进展
支持向量机
单类支持向量机
分类器
支持向量机(SVM)的研究进展
支持向量机
二次型规划问题
多类支持向量机
模型选择
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 支持向量机研究进展
来源期刊 计算机科学 学科 工学
关键词 支持向量机 训练算法 模糊支持向量机 粒度支持向量机
年,卷(期) 2011,(2) 所属期刊栏目
研究方向 页码范围 14-17
页数 分类号 TP181
字数 5223字 语种 中文
DOI 10.3969/j.issn.1002-137X.2011.02.004
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 顾亚祥 中国矿业大学计算机科学与技术学院 2 205 1.0 2.0
2 丁世飞 中国矿业大学计算机科学与技术学院 83 2735 17.0 52.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (29)
共引文献  (1867)
参考文献  (23)
节点文献
引证文献  (204)
同被引文献  (404)
二级引证文献  (382)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(4)
  • 参考文献(1)
  • 二级参考文献(3)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(2)
  • 二级参考文献(3)
2005(4)
  • 参考文献(4)
  • 二级参考文献(0)
2006(3)
  • 参考文献(3)
  • 二级参考文献(0)
2007(10)
  • 参考文献(9)
  • 二级参考文献(1)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(5)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(5)
  • 二级引证文献(0)
2011(5)
  • 引证文献(5)
  • 二级引证文献(0)
2012(19)
  • 引证文献(18)
  • 二级引证文献(1)
2013(32)
  • 引证文献(25)
  • 二级引证文献(7)
2014(37)
  • 引证文献(22)
  • 二级引证文献(15)
2015(55)
  • 引证文献(22)
  • 二级引证文献(33)
2016(96)
  • 引证文献(41)
  • 二级引证文献(55)
2017(99)
  • 引证文献(36)
  • 二级引证文献(63)
2018(107)
  • 引证文献(18)
  • 二级引证文献(89)
2019(105)
  • 引证文献(15)
  • 二级引证文献(90)
2020(31)
  • 引证文献(2)
  • 二级引证文献(29)
研究主题发展历程
节点文献
支持向量机
训练算法
模糊支持向量机
粒度支持向量机
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
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
总被引数(次)
150664
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
江苏省自然科学基金
英文译名:Natural Science Foundation of Jiangsu Province
官方网址:http://www.jsnsf.gov.cn/News.aspx?a=37
项目类型:
学科类型:
论文1v1指导