首页 > 《浙江工贸职业技术学院学报》 > 2008年3期 > 基于SVM的分类方法及其应用

基于SVM的分类方法及其应用

在线阅读下载PDF 导出详情

摘要本文对支持向量机的原理、核函数及分类方式进行了详细的介绍，给合实例探讨了支持向量机在分类中的具体应用，并根据应用结果指出了支持向量机的优缺点，最后展望了支持向量机在分类应用的前景。

DOI kd2nvvrkd6/634438

作者罗坚

机构地区不详

出处《浙江工贸职业技术学院学报》 2008年3期

关键词支持向量机分类应用核函数

分类 [文化科学][教育学]

出版日期 2008年03月13日（中国期刊网平台首次上网日期，不代表论文的发表时间）

相关文献

1李文婷. 基于SVM的信号分类方法的研究.教育学,2019-10.
2程凤伟. 一种基于SVM的线性分类算法.教育学,2018-04.
3谭敏;范强. 基于SVM的公安情报自动分类系统模型设计.计算机应用技术,2012-07.
4朱玉. 基于改进AP-SVM算法的网络业务流分类.通信与信息系统,2013-12.
5王萍;田翔. SVM分类算法参数选择研究.教育学,2007-11.
6范雪婷;史照良;刘波. 基于SVM的资源三号测绘卫星影像多特征分类.测绘科学与技术,2015-04.
7孟凡茹. 基于HHO-SVM的电力线路故障检测分类系统.产业经济,2023-10.
8夏俊. 基于HHO-SVM的电力线路故障检测分类系统.文化科学,2023-06.
9admin. 基于SVM的信息融合新方法.自动化与计算机技术,2019-07.
10王帅;邵丹璐;王凌;张云;王斌锐. 基于残余动量时频特征和SVM的机械臂故障分类.测试计量技术及仪器,2018-01.

来源期刊

浙江工贸职业技术学院学报

浙江工贸职业技术学院学报

相关推荐

同分类资源更多

相关关键词

支持向量机分类应用核函数

返回顶部