메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Zheng Wang (The University of Suwon) Cheng Yang (The University of Suwon) Sung-Kwun Oh (The University of Suwon) Zunwei Fu (The University of Suwon)
저널정보
대한전기학회 Journal of Electrical Engineering & Technology Journal of Electrical Engineering & Technology Vol.13 No.6
발행연도
2018.11
수록면
2,511 - 2,520 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2019

Design of Radial Basis Function Neural Networks Classifier Aid of Iterative Reweighted Least Squares Method
Zheng Wang ,  Sung-kwun Oh 대한전기학회 학술대회 논문집 2019.07 학술대회자료

2018

Multi-Radial Basis Function SVM Classifier : Design and Analysis
Zheng Wang ,  Cheng Yang ,  Sung-Kwun Oh 외 1명 Journal of Electrical Engineering & Technology 2018.11 학술저널

초록· 키워드

오류제보하기
In this study, Multi-Radial Basis Function Support Vector Machine (Multi-RBF SVM) classifier is introduced based on a composite kernel function. In the proposed multi- RBF support vector machine classifier, the input space is divided into several local subsets considered for extremely nonlinear classification tasks. Each local subset is expressed as nonlinear classification subspace and mapped into feature space by using kernel function. The composite kernel function employs the dual RBF structure. By capturing the nonlinear distribution knowledge of local subsets, the training data is mapped into higher feature space, then Multi-SVM classifier is realized by using the composite kernel function through optimization procedure similar to conventional SVM classifier. The original training data set is partitioned by using some unsupervised learning methods such as clustering methods. In this study, three types of clustering method are considered such as Affinity propagation (AP), Hard CMean (HCM) and Iterative Self-Organizing Data Analysis Technique Algorithm (ISODATA). Experimental results on benchmark machine learning datasets show that the proposed method improves the classification performance efficiently.
#Multi-RBF SVM #Composite kernel #Dual RBF structure #Clustering method #Particle Swam optimization

목차

Abstract
1. Introduction
2. Conventional SVM Classifier
3. The Design and Analysis of Multi-RBF SVM Classifier based on Composite Kernel
4. Preprocessing of Multi-RBF SVM Classifier
5. Structural Design of Multi-RBF SVM Classifier Based on PSO
6. Experimental Studies
7. Concluding Remarks
References

참고문헌 (36)

참고문헌 신청
N. Cristianini, J. Shawe-Taylor, “An Introduction to Support Vector Machines,” Cambridge, UK: Cambridge Univ. Press, 2000. Brodley CE, Friedl MA (1999) “Identifying mislabeled training data,” J Artif Intell Res, 11:131-167. E. Osuna, R. Freund, F. Girosi. “Support Vector Machines: Training and Applications,” In A.I. Memo 1602, MIT A.I.Lab., 1997. Cormen T T, Leiserson C E, Rivest R L. Introduction to algorithms =[M]. MIT Press, 2002. Li B, Wang Q, Hu J., “Multi-SVM classifier system with piecewise interpolation[J].” Ieej Transactions on Electrical & Electronic Engineering, 2013, vol. 8, no. 2, pp. 132-138.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Design of Fuzzy Neural Networks Classifier for Sorting Black Plastic Wastes
Zheng Wang ,  Seok-Beom Roh ,  Sung-Kwun Oh 대한전기학회 학술대회 논문집 2017 .07
퍼지 동적 학습률 제어 기반 하이브리드 RBF 네트워크
김광백 ,  박충식 한국컴퓨터정보학회논문지 2014 .09

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-560-003535873