计算机科学 ›› 2006, Vol. 33 ›› Issue (2): 163-165.
• • 上一篇 下一篇
出版日期:
发布日期:
Online:
Published:
摘要： 针对传统SVC方法在样本容量大时存在训练时间过长的不足，建立了一种变量可分离的支持向量分类模型DCSVC，并将其应用于随机生成的模拟数据的学习与航空公司旅客运输数据的预测中。实践证明，DCSVC算法预测的误差小于传统SVM算法，具有较高的精度，且训练时间比传统SVC短。
关键词: 支持向量机 分类 变量可分离 预测
Abstract: This paper sets up a new kind of support vector regression machine model ＂DCSVM＂ which variables can be separated. And the experiment demonstrates that the error of DCSVM is less than traditional support vector machine. We also get a good regression resul
Key words: SVM, Classfieation, Variable separable, Airline forecast
. 一类变量可分离的支持向量分类机的研究与应用[J]. 计算机科学, 2006, 33(2): 163-165. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2006/V33/I2/163
Cited
首页