支持向量机多分类算法的研究被引量：1

下载PDF

导出

摘要支持向量机(support vector machine,SVM)是在统计学习理论基础上发展起来的一种新的数据挖掘方法,并已广泛应用于模式识别与回归分析等领域。本文重点阐述了一些典型的支持向量机多分类算法及支持向量机多标注算法。最后指出了进一步研究和亟待解决的一些问题。

作者方辉

机构地区渤海大学信息科学与工程学院

出处《福建电脑》 2009年第4期84-84,86,共2页 Journal of Fujian Computer

关键词支持向量机多分类支持向量机多标注支持向量机

参考文献2

1许建华,张学工,李衍达.支持向量机的新发展[J].控制与决策,2004,19(5):481-484. 被引量：132
2孙晋文,肖建国.基于SVM的中文文本分类反馈学习技术的研究[J].控制与决策,2004,19(8):927-930. 被引量：16
3王晔,黄上腾.基于支持向量机的文本兼类标注[J].计算机工程与应用,2006,42(2):182-185. 被引量：10
4Vapnik V.The Nature of Statistical Learning Theory[M].Springer Verlag, 1995.
5Vapnik V.Statistical Learning Theory[M].New York, Wiley, 1998.
6Weston J,Watkins C.Multiclass Support Vector Machines[R].TR CS- DTR9804,Department of Computer Science Egham,Surrey TW 200EX, England, 1998.
7K Müller,S Mika,G Rae tsch.An Introduction to Kernel-Based Learning Algorithms[J].IEEE Neural Networks, 2001 ; 12 (2) : 181 -201.
8Y Lee,Y Lin,G Wahba.Multicategory Support Vector Machines[R]. TECHNICAL REPORT,No 1043,2001.
9K P Bennett.Combining support vector and mathematical programming methods for classification[J].In:B Scholkopf,C J C Burges,A J Smola eds.Advances in Kernel Methods:Support Vector Learning,The MIT Press, Cambridge, MA, 1999 : 307-326.
10U H G KreBel.Pairwise classification and support vector machines[C]. In:B Scholkopf,C J C Burges,A J Smola eds.Advances in Kernel Methods :Support Vector Learning,The MIT Press, Cambridge, MA, 1999 : 255 -268.

1唐发明,王仲东,陈绵云.支持向量机多类分类算法研究[J].控制与决策,2005,20(7):746-749. 被引量：90
2石志伟,刘涛,吴功宜.一种快速高效的文本分类方法[J].计算机工程与应用,2005,41(29):180-183. 被引量：15
3肖靓,顾嗣扬.基于SVM综合利用颜色和纹理特征的图像分类和检索[J].通讯与计算机,2005,2(10):17—20.
4FAIRCHILD M D. Color Appearance Models [ M ]. Malden: John Wiley & Sons, Inc, 2005.
5GONZALEZ R, WOODS R E. Digital Image Processing [ M ]. 2rid ed. USA : Prentice Hall Press, 2002 : 295.
6窦智宙,孟昭进.基于MATLAB的一对一M-SVM算法实现[J].山西煤炭管理干部学院学报,2008,21(1):145-147. 被引量：4
7董婷.支持向量机分类算法在MATLAB环境下的实现[J].榆林学院学报,2008,18(4):94-96. 被引量：12
8窦智宙,平子良,冯文兵,王永祥.多分类支持向量机分割彩色癌细胞图像[J].计算机工程与应用,2009,45(20):236-239. 被引量：8
9胡运红,段惠琴.多分类支持向量机的算法研究[J].运城学院学报,2010,28(2):1-3. 被引量：3
10张伟力.猪肉肉色与酸度测定方法[J].养猪,2002(2):33-34. 被引量：92

福建电脑

2009年第4期

内容加载中请稍等...