SVM在数据挖掘中的应用

被引:15
作者
张辉
张浩
陆剑峰
机构
[1] 同济大学CIMS 研究中心
[2] 同济大学CIMS 研究中心 上海
[3] 上海
关键词
数据挖掘; 支持向量机; 统计学习理论;
D O I
暂无
中图分类号
TP311.13 [];
学科分类号
1201 ;
摘要
随着数据库系统使用的普及,数据库的规模也越来越大,如何从海量数据库中挖掘出有用的信息以供企事业单位使用,已经越来越引起人们的兴趣。支持向量机(SVM)是在统计学习理论的基础上发展起来的一种新的机器学习方法,它基于结构风险最小化原则,能有效地解决过学习问题,具有良好的推广性能和较好的分类精确性。该文首先介绍统计学习理论和支持向量机的概念,然后进一步论述了SVM在数据挖掘中的应用。
引用
收藏
页码:7 / 8+24 +24
页数:3
相关论文
共 4 条
[1]   支持向量机训练算法综述 [J].
刘江华 ;
程君实 ;
陈佳品 .
信息与控制, 2002, (01) :45-50
[2]   支持向量机研究 [J].
崔伟东 ;
周志华 ;
李星 .
计算机工程与应用, 2001, (01) :58-61
[3]  
统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000
[4]   A tutorial on Support Vector Machines for pattern recognition [J].
Burges, CJC .
DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167