24小时热门版块排行榜    

查看: 2385  |  回复: 36
当前只显示满足指定条件的回帖,点击这里查看本话题的所有回帖

jack199008

木虫 (正式写手)


[交流] 审稿人质疑采用支持向量机进行数据处理的必要性,这个怎么破?

本人进行数据处理时采用了支持向量机,识别效果不错,写成了论文头到了Structural Control and Health Monitoring。现在收到了审稿人的回复意见,大修改,其中主要意见如下:
Overall, I feel that the need for SVM to separate is not clear. The temperature profile itself is visually separable. There is no need to fit a model or build a classifier. In addition, the simple fit using empirical model could be used to separate the samples. Why do we need a SVM classifier? I feel the contribution is very weak and the paper is not acceptable for possible publication.
这个审稿人觉得没必要使用支持向量机作为分类器,但本人坚持使用支持向量机,有没有虫子遇到过类似的问题,求各位支支招!有模式识别,数据挖掘的大牛支招再好不过啦!
回复此楼

» 猜你喜欢

» 本主题相关价值贴推荐,对您同样有帮助:

» 抢金币啦!回帖就可以得到:

查看全部散金贴

已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

jack199008

木虫 (正式写手)


引用回帖:
25楼: Originally posted by leexianlang at 2013-07-31 19:22:48
支持向量机一般用来处理大规模数据分类判别,你的数据是否是大规模数据。其实现代算法都是处理大规模数据的,几十几百个数据完全没必要用这些算法,数据量太少无法体现数据处理方法的优越性,数据太少也可能导致判断 ...

试验数据确实只有好几百个,假设这个技术应用到实际,一米有两个数据采集点,海底管道通常上几十公里,一次扫描会有将会有十几万,甚至更多的数据。实际应用中,数据量还是很大的。
构思这篇文章时,确实看了不少的国内关于支持向量机、模式识别的文章。也或多或少的受它们的影响吧。看到一定程度之后,再看国外的文章。确实如您所言,国内好多文章是滥竽充数的。

向大牛敬礼!!
26楼2013-07-31 19:49:22
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
查看全部 37 个回答
简单回复
personalpc14楼
2013-07-31 15:34   回复  
jack199008(金币+1): 谢谢参与
普通表情 高级回复 (可上传附件)
信息提示
请填处理意见