您当前的位置:
首页 >
文章列表页 >
使用粒子群算法进行特征选择及对支持向量机参数的优化
更新时间:2026-09-04
    • 使用粒子群算法进行特征选择及对支持向量机参数的优化

    • Use PSO to Perform Feature Selection and Parameter Optimization of SVM

    • 微电子学与计算机   2012年29卷第7期 页码:138-141
    • 纸质出版:2012

    移动端阅览

  • 张俊才, 张静. 使用粒子群算法进行特征选择及对支持向量机参数的优化[J]. 微电子学与计算机, 2012, 29(7): 138-141. DOI:

    ZHANG Jun-cai, ZHANG Jing. Use PSO to Perform Feature Selection and Parameter Optimization of SVM[J]. 2012, 29(7): 138-141. DOI:

  •  
  •  
icon
试读结束,您可以激活您的VIP账号继续阅读。
去激活 >
icon
试读结束,您可以通过登录账户,到个人中心,购买VIP会员阅读全文。
已是VIP会员?
去登录 >

0

浏览量

8

下载量

0

CSCD

文章被引用时,请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于概率测度支持向量机的静态手写数字识别方法
基于小波分解和支持向量机的网络流量组合预测
高效关键路径粒子群的软硬件划分算法
基于--PSO算法的灰度图像增强方法
基于信息熵的免疫粒子群算法求解指派问题

相关作者

方向
陈思佳
贾颖
段谟意
朱向华
朱智林
罗圣敏
孙晓雅

相关机构

山东工商学院 机构 计算机部
南京铁道职业技术学院 机构 软件学院
1 山东师范大学 机构 信息科学与工程学院
2 山东工商学院 机构 信息与电子工程学院
清远职业技术学院 机构
0