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
1
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
基于在线增量学习支持向量机的径流预测
被引量:
1
1
作者
卢家海
《水利科技与经济》
2017年第7期16-19,共4页
针对传统SVM模型及非增量SVM模型在训练过程中会产生冗余向量且效果差的问题,提出在线增量学习SVM预测模型,并利用祁县来远镇盘陀村昌源河上盘陀水文站的月径流历史资料进行的仿真测试。结果显示,在线增量学习SVM模型较传统的SVM模型有...
针对传统SVM模型及非增量SVM模型在训练过程中会产生冗余向量且效果差的问题,提出在线增量学习SVM预测模型,并利用祁县来远镇盘陀村昌源河上盘陀水文站的月径流历史资料进行的仿真测试。结果显示,在线增量学习SVM模型较传统的SVM模型有较高的预测精度。
展开更多
关键词
在线增量学习svm
径流预测
svm
模型
下载PDF
职称材料
题名
基于在线增量学习支持向量机的径流预测
被引量:
1
1
作者
卢家海
机构
太原理工大学水利科学与工程学院
出处
《水利科技与经济》
2017年第7期16-19,共4页
文摘
针对传统SVM模型及非增量SVM模型在训练过程中会产生冗余向量且效果差的问题,提出在线增量学习SVM预测模型,并利用祁县来远镇盘陀村昌源河上盘陀水文站的月径流历史资料进行的仿真测试。结果显示,在线增量学习SVM模型较传统的SVM模型有较高的预测精度。
关键词
在线增量学习svm
径流预测
svm
模型
Keywords
online incremental learning
svm
runoff forecasting
svm
model
分类号
TV212 [水利工程—水文学及水资源]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于在线增量学习支持向量机的径流预测
卢家海
《水利科技与经济》
2017
1
下载PDF
职称材料
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