| 支持向量机研究 |
| |
| 引用本文： | 崔伟东,周志华,李星.支持向量机研究[J].计算机工程与应用,2001,37(1):58-61. |
| |
| 作者姓名： | 崔伟东 周志华 李星 |
| |
| 作者单位： | 1. 清华大学电子工程系
2. 南京大学 |
| |
| 基金项目： | 自然科学基金资助!项目号69625103。 |
| |
| 摘 要： | 支持向量机是一类新型机器学习方法，由于其出色的学习性能，该技术已成为当前国际机器学习界的研究热点。该文首先引入最优超平面的概念，然后对线性ＳＶＭｓ和非线性ＳＶＭｓ进行介绍，给出一些常用的训练算法，并指出ＳＶＭｓ存在的局限和将来可能的研究内容。
|
| 关 键 词： | 支持向量机 模式识别 机器学习 统计学习理论 |
| 修稿时间： | 2000年1月1日 |
Research of Support Vector Machines |
| |
| Cui Weidong,Zhou Zhihua,Li Xing.Research of Support Vector Machines[J].Computer Engineering and Applications,2001,37(1):58-61. |
| |
| Authors: | Cui Weidong Zhou Zhihua Li Xing |
| |
| Abstract: | Support Vector Machines are a kind of novel machine learning methods,which have become the hotspot of machine learning because of their excellent learning performance. In this paper,linear and nonlinear SVMs are introduced based on the notion of optimal margin hyperplane,several popular training algorithms are presented,and some limitations and future research issues are also discussed. |
| |
| Keywords: | Support Vector Machines Pattern Recognition Machine Learning Statistical Learning Theory |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
