期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种GIS缓冲区矢量生成算法及实现
被引量:
18
1
作者
陈学工
张文艺
+1 位作者
张驰伟
张厅
《计算机技术与发展》
2007年第3期13-15,19,共4页
缓冲区分析是地理信息系统重要的空间分析功能之一。缓冲区生成分为点、线、面三种,其中线状目标缓冲区生成是关键和基础,线状目标缓冲区生成分为单个线状目标缓冲区多边形独立生成过程和所有线状目标缓冲区多边形重叠合并两个阶段。在...
缓冲区分析是地理信息系统重要的空间分析功能之一。缓冲区生成分为点、线、面三种,其中线状目标缓冲区生成是关键和基础,线状目标缓冲区生成分为单个线状目标缓冲区多边形独立生成过程和所有线状目标缓冲区多边形重叠合并两个阶段。在缓冲区圆弧矢量生成算法思想的基础上,提出了一种新的有效的缓冲区半径旋转矢量生成算法。另外,对缓冲区生成过程中出现的特殊情况进行了处理,并应用递归方法管理和存储缓冲区边界的自相交多边形。
展开更多
关键词
缓冲区
矢量算法
计算机图形学
地理信息系统
下载PDF
职称材料
基于人工蜂群算法的支持向量机参数优化及应用
被引量:
52
2
作者
于明
艾月乔
《光电子.激光》
EI
CAS
CSCD
北大核心
2012年第2期374-378,共5页
为了解决常用的支持向量机(SVM)参数优化方法在寻优过程不同程度的陷入局部最优解的问题,提出一种基于人工蜂群(ABC)算法的SVM参数优化方法。将SVM的惩罚因子和核函数参数作为食物源位置,分类正确率作为适应度,利用ABC算法寻找适应度最...
为了解决常用的支持向量机(SVM)参数优化方法在寻优过程不同程度的陷入局部最优解的问题,提出一种基于人工蜂群(ABC)算法的SVM参数优化方法。将SVM的惩罚因子和核函数参数作为食物源位置,分类正确率作为适应度,利用ABC算法寻找适应度最高的食物源位置。利用4个标准数据集,将其与遗传(GA)算法、蚁群(ACO)算法、标准粒子群(PSO)算法优化的SVM进行性能比较,结果表明,本文方法能克服局部最优解,获得更高的分类正确率,并在小数目分类问题上有效降低运行时间。将本文方法运用到计算机笔迹鉴别,对提取的笔迹特征进行分类,与GA算法、ACO算法、PSO算法优化的SVM相比,得到了更高的分类正确率。
展开更多
关键词
人工蜂群(ABC)算法
支持向量机(SVM)
参数优化
优化算法
原文传递
题名
一种GIS缓冲区矢量生成算法及实现
被引量:
18
1
作者
陈学工
张文艺
张驰伟
张厅
机构
中南大学信息科学与工程学院
出处
《计算机技术与发展》
2007年第3期13-15,19,共4页
基金
国家863项目(2002AA135160)
文摘
缓冲区分析是地理信息系统重要的空间分析功能之一。缓冲区生成分为点、线、面三种,其中线状目标缓冲区生成是关键和基础,线状目标缓冲区生成分为单个线状目标缓冲区多边形独立生成过程和所有线状目标缓冲区多边形重叠合并两个阶段。在缓冲区圆弧矢量生成算法思想的基础上,提出了一种新的有效的缓冲区半径旋转矢量生成算法。另外,对缓冲区生成过程中出现的特殊情况进行了处理,并应用递归方法管理和存储缓冲区边界的自相交多边形。
关键词
缓冲区
矢量算法
计算机图形学
地理信息系统
Keywords
buffer
vector algorithrn
computer graphics
GIS
分类号
TP391.72 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于人工蜂群算法的支持向量机参数优化及应用
被引量:
52
2
作者
于明
艾月乔
机构
河北工业大学计算机科学与软件学院
出处
《光电子.激光》
EI
CAS
CSCD
北大核心
2012年第2期374-378,共5页
基金
国家科技支撑计划资助项目(2009BAI71B02)
河北省科技支撑计划资助项目(10213565)
文摘
为了解决常用的支持向量机(SVM)参数优化方法在寻优过程不同程度的陷入局部最优解的问题,提出一种基于人工蜂群(ABC)算法的SVM参数优化方法。将SVM的惩罚因子和核函数参数作为食物源位置,分类正确率作为适应度,利用ABC算法寻找适应度最高的食物源位置。利用4个标准数据集,将其与遗传(GA)算法、蚁群(ACO)算法、标准粒子群(PSO)算法优化的SVM进行性能比较,结果表明,本文方法能克服局部最优解,获得更高的分类正确率,并在小数目分类问题上有效降低运行时间。将本文方法运用到计算机笔迹鉴别,对提取的笔迹特征进行分类,与GA算法、ACO算法、PSO算法优化的SVM相比,得到了更高的分类正确率。
关键词
人工蜂群(ABC)算法
支持向量机(SVM)
参数优化
优化算法
Keywords
artificial bee colony (ABC)
algorithrn
support
vector
machine (SVM)
parameter optimization
optimization algorithm
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
一种GIS缓冲区矢量生成算法及实现
陈学工
张文艺
张驰伟
张厅
《计算机技术与发展》
2007
18
下载PDF
职称材料
2
基于人工蜂群算法的支持向量机参数优化及应用
于明
艾月乔
《光电子.激光》
EI
CAS
CSCD
北大核心
2012
52
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部