文献类型：期刊文章

作　　者：王霞[1] 董永权[1] 于巧[1] 耿娜[2]

WANG Xia;DONG Yongquan;YU Qiao;GENG Na(School of Computer Science&Technology,Jiangsu Normal University,Xuzhou,Jiangsu 221116,China;School of Electrical Engineering&Automation,Jiangsu Normal University,Xuzhou,Jiangsu 221116,China)

机构地区：[1]江苏师范大学计算机科学与技术学院,江苏徐州221116 [2]江苏师范大学电气工程及自动化学院,江苏徐州221116

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61872168,No.61703188,No.61902161)。

年　　份：2020

卷　　号：56

期　　号：17

起止页码：24-32

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：结构化支持向量机(Structural Support Vector Machine,SSVM)是支持向量机(Support Vector Machine,SVM)的变体算法,被广泛应用于多个领域。阐述了SSVM的发展过程,详细分析了SSVM各种具体实现算法的思想及表现上的优劣;并通过实验的对比讨论,发现了SSVM的各种具体实现算法在分类性能和分类效率上优于其他SVM算法,而在稳定性上则逊于后者;基于此,给出了SSVM的后续研究方向。

关 键 词：结构化支持向量机  结构粒度  聚类技术 结构化孪生支持向量机  结构化非平行支持向量机  

分 类 号：TP391.4]