- 年份
- 2015（1）
- 2012（2）
- 2010（1）
- 核心收录
- 中国科学引文数据库(CSCD)（4）
- 中国科技论文与引文数据库(CSTPCD)（4）
- 北京大学中文核心期刊目录(北大核心)（2）
- 刊名
- 中南大学学报（自然科学版）（1）
- 计算机工程（1）
- 计算机应用与软件（1）
- 高技术通讯（1）
- 更多...
- 作者单位
- 中南大学（1）
- 中国科学院计算技术研究所（1）
- 南京理工大学（1）
- 南京航空航天大学（1）
- 安徽商贸职业技术学院（1）
- 安徽工程大学（1）
- 池州学院（1）
- 湖南人文科技学院（1）
- 更多...
- 语种
- 汉语（4）
- 关键词
- 不确定性采样（4）
- 主动学习（3）
- 代价敏感支持向量机（1）
- 全局最优搜索（1）
- 后验概率（1）
- 支持向量数据描述（1）
- 支持向量机（1）
- 支持向量机(SVM)（1）
- 机器学习（1）
- 条件熵（1）
- 更多...
- 作者
- 云晓春（1）
- 刘三民（1）
- 吴志刚（1）
- 唐振民（1）
- 唐明珠（1）
- 孙知信（1）
- 帅小应（1）
- 张永铮（1）
- 戴磊（1）
- 江彤（1）
- 更多...
相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
已找到 4 条结果
- 一种基于TCM主动学习的P2P流识别技术北大核心CSCDCSTPCD摘要：针对目前基于机器学习的流识别仍然存在着建立分类模型需要大量适用的训练数据,训练数据的标记需要依赖领域专家,因而导致工作量及难度过大和实用性不强的问题,采用主动学习技术提取少量高质量的训练样本进行建模,并结合支持向量机(SVM)分类算法提出了一种基于直推信任机(TCM)的样本筛选方法.实验结果表明,相对于已有的流识别方法,这种方法能够在仅依赖少量高质量训练样本的前提下,保证较高的召回率及较低的误报率,更适用于现实网络环境.
- GOS＋MU：一种查询对象选择新方法CSCDCSTPCD
- 基于不确定性采样的自训练代价敏感支持向量机研究北大核心CSCDCSTPCD
- 一种基于SVM后验概率的网络流量识别方法CSCDCSTPCD