支持向量机训练算法及其应用

被引：9

作者：

王平

毛剑琴

机构：

[1] 北京航空航天大学第七研究室

来源：

信息与电子工程 | 2005年 / 04期

关键词：

数理统计学; 支持向量机; 综述; 训练算法;

D O I：

暂无

中图分类号：

TP182 [专家系统、知识工程];

学科分类号：

1111 ;

摘要：

支持向量机是在统计学习理论基础上提出的一种新的机器学习方法。由于其出色的学习性能,该技术已成为机器学习界的研究热点,并成功地应用在模式识别、时间序列预测、非线性系统辨识、控制及其它方面。本文简要介绍了支持向量机训练算法及其应用,并且讨论了未来的发展方向。

引用

页码：309 / 314

页数：6

共 22 条

[1] ε不敏感支持向量回归在化工数据建模中的应用 [J].

邵信光 ;

杨慧中 ;

石晨曦 .

东南大学学报(自然科学版), 2004, (S1) :215-218

[2] 基于支持向量机的多种语言话音识别研究 [J].

张凡 ;

贺苏宁 .

计算机应用, 2004, (S1) :282-284

[3] 混沌时间序列的支持向量机预测 [J].

崔万照 ;

朱长纯 ;

保文星 ;

刘君华 .

物理学报, 2004, (10) :3303-3310

[4] 混沌时间序列的支持向量机预测 [J].

崔万照 ;

朱长纯 ;

保文星 ;

刘君华 .

物理学报, 2004, (10) :3303-3310

[5] 基于时间序列的支持向量机在负荷预测中的应用 [J].

张林 ;

刘先珊 ;

阴和俊 .

电网技术, 2004, (19) :38-41

[6] 一种基于马氏距离的支持向量快速提取算法 [J].

汪西莉 ;

焦李成 .

西安电子科技大学学报, 2004, (04) :639-643

[7] 一种基于马氏距离的支持向量快速提取算法 [J].

汪西莉 ;

焦李成 .

西安电子科技大学学报, 2004, (04) :639-643

[8] 一种新的支持向量机多类分类方法 [J].

安金龙 ;

王正欧 ;

马振平 .

信息与控制, 2004, (03) :262-267

[9] 一种新的支持向量机多类分类方法 [J].

安金龙 ;

王正欧 ;

马振平 .

信息与控制, 2004, (03) :262-267

[10] 最小二乘小波支持向量机在非线性系统辨识中的应用 [J].

崔万照 ;

朱长纯 ;

保文星 ;

刘君华 .

西安交通大学学报, 2004, (06) :562-565+586

← 1 2 3 →