| 支持向量机 |
| |
| 引用本文： | 张浩然 韩正之 李昌刚. 支持向量机[J]. 计算机科学, 2002, 29(12): 135-137 |
| |
| 作者姓名： | 张浩然 韩正之 李昌刚 |
| |
| 作者单位： | 上海交通大学自动化系,上海,200030 |
| |
| 摘 要： | 1 前言基于数据的机器学习是人工智能技术中的重要方面,从观测数据(样本)出发寻找数据中的模式和数据间的函数依赖规律,利用这些模式和函数依赖对未来数据或无法观测的数据进行分类、识别和预测。关于其实现方法大致可以分为三种,第一种是经典的(参数)统计估计方法,在这种方法中,参数的相关形式是已知的,训练样本用来估计参数的值。这种方法有很大的局限性,首先,它需要已知样本分布形式,其次传统统计学研究的是样本数目趋于无穷大时的渐近理论,现有学习方法也多是基于此假设,但在实际问题中,样本数往往是有限的,因此一些理论上很优秀的学习方法实际中表现却可
|
| 关 键 词： | 支持向量机 机器学习 人工智能 多层感知器 人工神经网络 |
Support Vector Machine |
| |
| Abstract: | This paper gives a introduction of the basic ideas, basic theory, key techniques, and application of the sup-port vector machine (SVM), and indicates the similarities and differences between support vector machines and neuralnetworks. |
| |
| Keywords: | Support vector machine Neural networks Statistical learning theory Machine learning |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机科学》浏览原始摘要信息 |
|
点击此处可从《计算机科学》下载全文 |
|
