广西师范大学学报(自然科学版)
廣西師範大學學報(自然科學版)
엄서사범대학학보(자연과학판)
JOURNAL OF GUANGXI NORMAL UNIVERSITY(NATURAL SCIENCE EDITION)
2008年
3期
214-217
,共4页
甘新玲%鲁明羽%唐焕玲%李永
甘新玲%魯明羽%唐煥玲%李永
감신령%로명우%당환령%리영
循证医学%网页分类%支持向量机%核函数
循證醫學%網頁分類%支持嚮量機%覈函數
순증의학%망혈분류%지지향량궤%핵함수
支持向量机(support vector machine,SVM)是在统计学习理论基础上发展起来的一种新的机器学习方法,是一种高效的分类识别方法.首先分析支持向量机原理,然后提出一种使用Bagging组合学习方法改进SVM算法的网页分类方法.基于循证医学网络文献分类的实验表明,该方法使训练数据规模大大减小,且比传统的SVM算法分类性能更好,具有较好的精确率和召回率.
支持嚮量機(support vector machine,SVM)是在統計學習理論基礎上髮展起來的一種新的機器學習方法,是一種高效的分類識彆方法.首先分析支持嚮量機原理,然後提齣一種使用Bagging組閤學習方法改進SVM算法的網頁分類方法.基于循證醫學網絡文獻分類的實驗錶明,該方法使訓練數據規模大大減小,且比傳統的SVM算法分類性能更好,具有較好的精確率和召迴率.
지지향량궤(support vector machine,SVM)시재통계학습이론기출상발전기래적일충신적궤기학습방법,시일충고효적분류식별방법.수선분석지지향량궤원리,연후제출일충사용Bagging조합학습방법개진SVM산법적망혈분류방법.기우순증의학망락문헌분류적실험표명,해방법사훈련수거규모대대감소,차비전통적SVM산법분류성능경호,구유교호적정학솔화소회솔.
