期刊文献+

基于半监督支持向量机的供电企业安全性评价 被引量:1

原文传递
导出
摘要 为了解决支持向量机(SVM)必须采用标识样本进行训练和支持向量选择困难两个弊端,提出了一种基于模糊C均值(FCM)和支持向量机的半监督支持向量机分类算法S3VM)。为了验证模型的有效性,将该算法应用于供电企业安全性评价。与BP神经网络的分类结果比较表明,该模型在样本较少的条件下,具有较高的分类正确率和很好的推广能力。
作者 孙薇 张省
出处 《电气应用》 北大核心 2008年第1期57-60,共4页 Electrotechnical Application
  • 相关文献

参考文献9

二级参考文献31

  • 1[1]Vapnik V and Lerner A. A pattem recognition using generalized portrait method [J]. Automation and Remote Control, 1963,24:.
  • 2[3]Corinna Cortes, Vladimir Vapnik. Support-Vector Networks [J]. Machine Learning, 1995,20(3) :273-297.
  • 3[4]Vapnik V. Statistical leoing theory[M]. New York:John Wiley & Sons, 1998
  • 4[5]Scholkopf B, Smola A J. Learning with kernels [M].Cambridge,MA: MIT Press, 2002.
  • 5[6]Scholkopf B, Plat J C, Shawe-Taylor J, et al. Estimating the support of a high-dimensional distribution [J]. Neural Computation, 2001,13(7): 1443-1471.
  • 6[7]Joachims T. Transductive inference for text classification using support vectoor machine[A]. In prooceedings of the Sixteenih International Conference on Machine Learning [C]. Morgan Kaufmann, 1999:148-156.
  • 7[10]Yiqiang Zhan, Dinggang Shen. Design efficient support vector machine for fast classification [J]. Pattern Recognition, 2005,38:157-161.
  • 8[11]Zhang X. Using class-center vectors to build support vector machines[A]. InPrroceedingss of NNSP'99[C], 1999.
  • 9[12]Mao K Z. Feature subset selection for support vector machines through discriminative function pruning analysis [J]. Ieee Transaction on Systems, Man, and Ctbernetics Part B: Cybernetics, 2004,34(1):60-67.
  • 10[13]Osuna E, Freund R, Girosi F. An improved training algorithm for support vector machines[A]. Proceedings of the 1997 IEEE Workshop on Nerual Networks for Signal Processing[C]. IEEE, 1997.276-285.

共引文献2528

同被引文献18

引证文献1

二级引证文献3

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部