一种新的机器学习算法:Support Vector Machines

被引：24

作者：

陶卿

姚穗

范劲松

方廷健

机构：

[1] 中国科学院合肥智能机械研究所

[2] 安徽省科学技术协会

来源：

关键词：

机器学习; SVM; 神经网络; VC理论; 经验风险; 期望风险;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

SVM是由Vapnik及其领导的AT&T Bell实验室研究小组提出的一种新的非常有发展前景的机器学习算法。本文通过它与神经网络学习算法的比较,说明了SVM具有较强的理论依据和较好的泛化性能。本文是SVM的发展综述,重点介绍了SVM的理论依据和一些值得研究的问题。

引用

页码：285 / 290

页数：6

共 6 条

[1]

人工神经网络理论及应用.[M].张铃;张钹[著];.浙江科学技术出版社.1997,

[2]

人工智能及其应用.[M].蔡自兴;徐光〓[编著];.清华大学出版社.1996,

Cao, JD ;

Tao, Q .

[4] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

[5] 求解约束Minimax问题的神经网络模型 [J].

陶卿 ;

方廷健 .

[6] 基于约束区域的连续时间联想记忆神经网络 [J].

陶卿 ;

方廷健 ;

孙德敏 .