典型文献
大气环境分类的SVM联合决策方法
文献摘要：
目的 实现城市大气环境的精准快速归类预测.方法 基于支持向量机(SVM)构建多分类问题的联合决策算法,将大量城市环境因素数据的主成分聚类结果作为输入,通过机器学习训练,组建大气环境的SVM联合决策模型.结果 该模型根据大气环境因素将数据集91个城市划分为9类,其中河内与海防环境相似度最高,巴东与格尔木差异最大.9个SVM二分类器组建的联合决策模型通过逐点预测在主成分数据空间形成了分区预测云图.结论 SVM联合决策模型可实现城市环境的快速分类辨识,分类预测结果精度高于95％.
文献关键词：
环境分类;支持向量机;层次聚类;主成分分析;联合决策;机器学习
中图分类号：
作者姓名：
王竟成;张伦武;杨小奎;胡学步;周俊炎;李泽华;吴帅
作者机构：
西南技术工程研究所 弹药贮存环境效应重点实验室,重庆 400039;重庆理工大学 化学化工学院,重庆 400054
文献出处：
引用格式：
[1]王竟成;张伦武;杨小奎;胡学步;周俊炎;李泽华;吴帅-.大气环境分类的SVM联合决策方法)[J].装备环境工程,2022(08):148-154
A类：
环境分类,城市环境因素
B类：
大气环境,联合决策,决策方法,城市大气,速归,多分类问题,决策算法,素数,学习训练,决策模型,中河,河内,海防,巴东,格尔木,二分类,分类器,逐点,点预测,成分数据,数据空间,云图,快速分类,分类预测,层次聚类
AB值：
0.379428
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
