ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

自适应条件下的相邻区分精度SVM集成模型研究

李仁; 石新龙; 王林生; 宋强河南师范大学; 自动化学院
光电子·激光2019DOI: 10.16136/j.joel.2019.10.0077
4阅读
引用收藏
分享

摘要

在数据进行集成的实际过程当中,分类器往往具有自主性,会随着样本数据的变化对自己进行适当调整,以此来提高自己的适应能力。对此,本研究以在数据样本区域内对相邻数据进行区分的方法进行SVM集成方法研究,并最终提出了一种切实可行地支持SVM进行集成的方式。即针对区分的数据样本区域,以一种新的搜索算法进行研究,利用FCM与模糊贴近度的结合来进行计算,实现在模糊特征空间集合频域自身位置的自动确定,再根据各项分类器的阈值数据系统自行录用当中的优异数据结果。并最终形成个体分器的数据结果从而进行集合性判定。结果显示。在减少区分判断用时的前提下,这样一种数据算法能够达到提升分类器功能的有效作用;所建立的SVM集成...

学科与关键词

关键词
SVMFCM分类器 SVMclassifier
相关
加载中…
  • 企业集团信用风险评估SVM集成分类器的构建与应用
    李丽; 周宗放技术经济, 2013, (11): 65-70.
  • 基于模糊c-均值聚类的SVC迭代训练算法
    陈自洁; 夏成锋仲恺农业工程学院学报, 2011, (01): 39-43.
  • 基于SVM遥感图像专题信息提取研究
    张勇其他, 2005.
查看全部 →

发表信息

论文状态
公开发表
期刊
光电子·激光
发表日期
2019
卷期
第 10 期
页码
1086-1091
DOI
10.16136/j.joel.2019.10.0077
成果收录
CHINAJOURNAL
资助标注
河南省科技发展计划项目"集中式智能配电网关键技术的研究与应用"(182102210265)资助项目;

作者

  • 李

    李仁 (第一作者)

  • 石

    石新龙

查看全部 4 位作者收起作者
  • 王

    王林生

  • 宋

    宋强

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417