| 基于支持向量机函数逼近的性能研究 |
| |
| 引用本文： | 杜新华,陈增强,袁著祉. 基于支持向量机函数逼近的性能研究[J]. 计算机工程, 2006, 32(8): 52-54,58 |
| |
| 作者姓名： | 杜新华 陈增强 袁著祉 |
| |
| 作者单位： | 天津市检测技术研究所,天津,300141;南开大学信息学院自动化系,天津,300071;南开大学信息学院自动化系,天津,300071 |
| |
| 基金项目： | 中国科学院资助项目;南开大学校科研和教改项目 |
| |
| 摘 要： | 通过仿真分析比较支持向量机与前馈神经网络在非线性函数逼近的结果，得出在小样本下，SVM的样本依赖程度、抗噪声能力和泛化性能都优于前馈神经网络。
|
| 关 键 词： | 支持向量机 统计学习理论 神经网络 函数逼近 |
| 文章编号： | 1000-3428（2006）08-0052-03 |
| 收稿时间： | 2005-04-19 |
| 修稿时间： | 2005-04-19 |
Function Approximation Research Based on Support Vector Machine |
| |
| DU Xinhua,CHEN Zengqiang,YUAN Zhuzhi. Function Approximation Research Based on Support Vector Machine[J]. Computer Engineering, 2006, 32(8): 52-54,58 |
| |
| Authors: | DU Xinhua CHEN Zengqiang YUAN Zhuzhi |
| |
| Affiliation: | 1. Tianjin Test Technology Research Institute, Tianjin 300141; 2. Dept. of Automation, College of Information, Nankai University, Tianjin 300071 |
| |
| Abstract: | The simulation analysis and comparisons of the function approximation by SVM and NN are done in this paper, the results indicate that SVM has better performance than NN in the dependence on samples, insensitivity to noise and character of generalization with small-scale samples. |
| |
| Keywords: | Support vector machine(SVM) Statistic learning theory Neural network Function approximation |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
