ISCAS OpenIR
theoretically optimal parameter choices for support vector regression machines with noisy input
Wang ST; Zhu JG; Chung FL; Lin Q; Hu DW
2005
发表期刊SOFT COMPUTING
ISSN1432-7643
卷号9期号:10页码:732-741
收录类别sci ; acm ; cnki
其他摘要在大规模事件通知服务的通用框架基础上,通过分析提出了复合事件检测的基本模型,并对照该基本模型剖析了复合事件检测的四种基本方法:基于Petri网、基于匹配树、基于图以及基于自动机的检测方法,评价了各种方法的优缺点,为开发适用于新的应用需求的复合事件检测技术打下了基础。
关键词复合事件,检测regularized Linear Regression Support Vectors Huber Loss Functions Norm-r Loss Functions
部门归属So Yangtze Univ, Sch Informat Engn, Wuxi, Peoples R China. Nanjing Univ Sci & Tech, Dept Comp Sci & Engn, Nanjing, Peoples R China. HongKong Polytech Univ, Dept Comp, Hong Kong, Hong Kong, Peoples R China. Natl Def Univ Sci & Tech, Sch Automat, Changsha, Peoples R China. Chinese Acad Sci, Inst Software, Comp Sci Lab, Beijing, Peoples R China.
学科领域Computer Science, Artificial Intelligence ; Computer Science, Interdisciplinary Applications
语种英语
内容类型期刊论文
URI标识http://ir.iscas.ac.cn/handle/311060/12442
专题中国科学院软件研究所
推荐引用方式
GB/T 7714
Wang ST,Zhu JG,Chung FL,et al. theoretically optimal parameter choices for support vector regression machines with noisy input[J]. SOFT COMPUTING,2005,9(10):732-741.
APA Wang ST,Zhu JG,Chung FL,Lin Q,&Hu DW.(2005).theoretically optimal parameter choices for support vector regression machines with noisy input.SOFT COMPUTING,9(10),732-741.
MLA Wang ST,et al."theoretically optimal parameter choices for support vector regression machines with noisy input".SOFT COMPUTING 9.10(2005):732-741.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
theoretically optima(428KB) 开放获取--请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[Wang ST]的文章
[Zhu JG]的文章
[Chung FL]的文章
百度学术
百度学术中相似的文章
[Wang ST]的文章
[Zhu JG]的文章
[Chung FL]的文章
必应学术
必应学术中相似的文章
[Wang ST]的文章
[Zhu JG]的文章
[Chung FL]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。