引用本文:许建华,张学工,李衍达.支持向量机的新发展[J].控制与决策,2004,19(5):481-484
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  【EndNote】   【RefMan】   【BibTex】 附件
←前一篇|后一篇→ 过刊浏览    高级检索
本文已被:浏览 684次   下载 2214 本文二维码信息
码上扫一扫!
分享到: 微信 更多
支持向量机的新发展
许建华, 张学工, 李衍达
南京师范大学数学与计算机学院, 江苏南京210097
摘要:

V apnik 等学者首先提出了实现统计学习理论中结构风险最小化原则的实用算法—支持向量机, 比较成功
地解决了模式分类问题. 其后, 机器学习界兴起了研究统计学习理论和支持向量机的热潮, 引人瞩目的研究分支有从
最优化技术出发改进或改造支持向量机, 依据统计学习理论和支持向量机的优点设计新的非线性机器学习算法等.
对此, 较为系统地回顾了近10 年来算法研究领域的新发展.

关键词:  

机器学习  统计学习理论  支持向量机

DOI:
分类号:
基金项目:
Abstract:
Key words:  

用微信扫一扫

用微信扫一扫