最小二乘支持向量机算法研究

被引：32

作者：

朱家元

陈开陶

张恒喜

机构：

[1] 空军工程大学工程学院飞机与发动机工程系

[2] 总装备部系统工程研究所

[3] 空军工程大学工程学院飞机与发动机工程系西安

[4] 北京

[5] 西安

来源：

计算机科学 | 2003年 / 07期

关键词：

Statistical learning theory; Support vector machines; Pattern Recognition.Least squares support vector machines; Neural networks;

D O I：

暂无

中图分类号：

TP301 [理论、方法];

学科分类号：

081202 ;

摘要：

<正> 1 引言支持向量机(SVM,Support Vector Machines)是基于结构风险最小化的统计学习方法,它具有完备的统计学习理论基础和出色的学习性能,在模式识别和函数估计中得到了有效的应用(Vapnik,1995,1998)。支持向量机方法一方面通过把数据映射到高维空间,解决原始空间中数据线性不可分问题;另一方面,通过构造最优分类超平面进行数据分类。神经网络通过基于梯度迭代的方法进行数据学习,容易陷入局部最小值,支持向量机是通过解决一个二次规划问题,来获得

引用

页码：157 / 159

页数：3