2024年7月19日
星期五
|
欢迎来到青海省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
吉林省科技发展计划基金(20070703)
作品数:
1
被引量:14
H指数:1
相关作者:
杨晓伟
吴春国
杨滨
周春光
黄岚
更多>>
相关机构:
华南理工大学
中国科学院自动化研究所
吉林大学
更多>>
发文基金:
吉林省科技发展计划基金
国家自然科学基金
国家高技术研究发展计划
更多>>
相关领域:
自动化与计算机技术
更多>>
相关作品
相关人物
相关机构
相关资助
相关领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
迭代
1篇
支持向量
1篇
支持向量机
1篇
支持向量机回...
1篇
支持向量机回...
1篇
自适
1篇
自适应
1篇
自适应迭代
1篇
最小二乘
1篇
向量
1篇
向量机
机构
1篇
吉林大学
1篇
华南理工大学
1篇
中国科学院自...
作者
1篇
梁艳春
1篇
黄岚
1篇
周春光
1篇
杨滨
1篇
吴春国
1篇
杨晓伟
传媒
1篇
电子学报
年份
1篇
2010
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
自适应迭代最小二乘支持向量机回归算法
被引量:14
2010年
基于最小二乘支持向量机回归算法,本文在前期工作的基础上进行了扩展,提出了更加详尽的自适应迭代最小二乘支持向量机回归算法.与标准的LSSVR相比,本文提出的算法在学习新样本的时候利用了已有的学习结果,可以快速获得新的学习机.模拟结果表明,自适应迭代最小二乘支持向量机回归算法能够自适应地确定支持向量的数目,保留了QP方法在训练SVM时支持向量的稀疏性,在相近的回归精度下,该算法极大地提高了标准LSSVR学习的速度.
杨滨
杨晓伟
黄岚
梁艳春
周春光
吴春国
关键词:
支持向量机
自适应
迭代
最小二乘
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张