文献类型：期刊文章

作　　者：黄文强[1] 黄榕波[2] 朱思铭[1]

机构地区：[1]中山大学数学与计算科学学院,广东广州510275 [2]广东药学院数学系,广东广州510226

出　　处：《中山大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(10371135)

年　　份：2006

卷　　号：45

期　　号：3

起止页码：9-12

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、MR、PROQUEST、RCCSE、RSC、SCOPUS、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：针对传统SVC方法在样本容量大时存在训练时间过长、精度不高等不足,建立了一种变量可分离的支持向量分类模型DCSVC及算法,并应用于随机函数生成数据分类学习及戈尾属植物数据集分类预测中,从理论与实践上证明了DCSVC算法优于传统SVC算法(分类正确率较高而且训练时间较短)。

关 键 词：支持向量机 分类  变量可分离  

分 类 号：O236]