支持向量机的新发展
DOI:
CSTR:
作者:
作者单位:

南京师范大学数学与计算机学院, 江苏南京210097

作者简介:

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    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.

    Abstract:

    参考文献
    相似文献
    引证文献
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

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2004-05-20
  • 出版日期:
文章二维码