10.3969/j.issn.1002-137X.2006.02.046
一类变量可分离的支持向量分类机的研究与应用
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.
支持向量机、分类、变量可分离、预测
33
TP3(计算技术、计算机技术)
2006-04-06(万方平台首次上网日期,不代表论文的发表时间)
共4页
163-165,181