2024年8月16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
>
>
中国科学院山地灾害与地表过程重点实验室开放基金(110100L104)
作品数:
1
被引量:12
H指数:1
相关作者:
李朝凤
李秀珍
孔纪名
更多>>
相关机构:
中国科学院
更多>>
发文基金:
中国科学院西部之光基金
中国科学院山地灾害与地表过程重点实验室开放基金
更多>>
相关领域:
天文地球
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
天文地球
主题
1篇
多分类支持向...
1篇
支持向量
1篇
支持向量机
1篇
神经网
1篇
神经网络
1篇
网络
1篇
向量
1篇
向量机
1篇
安宁河流域
1篇
BP神经
1篇
BP神经网
1篇
BP神经网络
机构
1篇
中国科学院
作者
1篇
孔纪名
1篇
李秀珍
1篇
李朝凤
传媒
1篇
水土保持通报
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
多分类支持向量机在泥石流危险性区划中的应用
被引量:12
2010年
以凉山州安宁河流域129个乡镇的泥石流危险性区划资料为依据,随机选取总样本数的2/3和1/2作为训练样本,建立不同数量训练样本下安宁河流域泥石流危险性区划的多分类SVM模型,进行以乡镇为单元的区域泥石流危险性评价研究。评价结果表明,SVM模型的预测精度随着训练样本数量的增加而提高;2个SVM模型对测试样本的预测准确率均高于相应的BP神经网络模型,对训练样本的回判准确率高于或接近于BP神经网络模型。因此,支持向量机方法是一种比神经网络方法具有更优精度和更强泛化性能的新机器学习方法,在泥石流危险性评价实践中具有十分广阔的应用前景和推广应用价值。
李秀珍
孔纪名
李朝凤
关键词:
多分类支持向量机
BP神经网络
安宁河流域
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