基于改进聚类算法的分布式SVM 及其应用
DOI:
CSTR:
作者:
作者单位:

中南大学信息科学与工程学院, 湖南长沙410083

作者简介:

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对RPCL 聚类算法存在的缺点, 提出一种改进算法, 并在此基础上得到了一种分布式支持向量机
    (DSVM ). 针对SVM 算法中阈值难以确定的问题, 提出了一种两段学习算法. 最后将DSVM 应用于氧化铝高压溶出
    过程苛性比值的软测量, 现场数据的仿真结果表明该方法具有较高的精度, 能满足实际生产的需要.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

桂卫华, 李勇刚, 阳春华,等.基于改进聚类算法的分布式SVM 及其应用[J].控制与决策,2004,19(8):852-856

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2004-08-20
  • 出版日期:
文章二维码