期刊文献+

基于SAS的支持向量机方法应用综述 被引量:1

下载PDF
导出
摘要 支持向量机是借助于最优化方法解决机器学习问题的新工具,它最初于20世纪90年代所提出,近年来在其理论研究和算法实现方面都取得了突破性进展,开始成为克服“维数灾难”和“过学习”的有力手段。文章基于对支持向量机的理解,整理了在SAS软件中支持向量机的不同应用的研究文献,以期对信息管理方法研究提供参考。
作者 王闪
出处 《管理学家》 2019年第1期149-150,共2页 Master Management
  • 相关文献

参考文献1

二级参考文献15

  • 1GB/T 22516-2008/IEC 61400-11:2002.风力发电机组噪声测量方法[S].
  • 2吴宏刚.风力发电机组振动检测及噪声评估研究[D].重庆:重庆大学,2010.
  • 3TACHIBANA H, YANO H, SAKAMOTO S, et al. Synthetic research program on wind turbine noise in Ja-pan [J]. International Congress and Exposition on Noise Control Engineering, 2012, 10: 8505-8514.
  • 4KUWANO S, YANO T, KAGEYAMA T, et al. So- cial survey on wind turbine noise in Japan [J]. Noise Control Engineering Journal, 2014, 62(6) : 503-520.
  • 5SON E, KIM H, KIM H, et al. Integrated numerical method for the prediction of wind turbine noise and the long range propagation [J]. Current Applied Physics, 2010, 10(2):S316-S319.
  • 6SIU M F, EKYALIMAP R, LU M, et al. Applying regression analysis to predict and classify construction cycle time[J]. Computing in Civil Engineering, 2013, 23 : 669-676.
  • 7ATICI U. Prediction of the strength of mineral admix- ture concrete using multivariable regression analysis and an artificial neural network [J]. Expert Systems with Applications, 2011, 38(8): 9609-9618.
  • 8ALIN A. Multicollinearity [J]. Wiley Interdisciplinary Review: Computational Statistics, 2010, 2 ( 3 ):370-374.
  • 9彭衫.线性回归模型中关于异常点的若干问题的分析[D].哈尔滨:东北林业大学,2014.
  • 10BAYDAROGLU O, KOCAK K. SVR-based prediction of evaporation combined with chaotic approach [J]. Journal of Hydrology, 2014, 508: 356-363.

共引文献3

同被引文献15

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