支持向量机研究与应用

被引：31

作者：

王晓丹

王积勤

机构：

[1] 空军工程大学导弹学院,空军工程大学导弹学院陕西三原,陕西三原

来源：

空军工程大学学报(自然科学版) | 2004年 / 03期

关键词：

支持向量机; 优化算法; 训练; 分类;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

支持向量机是在统计学习理论基础上发展起来的一种新的机器学习方法 ,同时也是到目前为止统计学习理论最成功的实现。支持向量机在模式识别、回归估计、函数逼近等领域有了广泛的应用。论述了支持向量机的研究、应用状况 ,指出了支持向量机研究和应用中待解决的一些问题和今后进一步的研究方向

引用

页码：49 / 55

页数：7

共 7 条

[1] 一种SVM增量学习算法α-ISVM [J].

萧嵘 ;

王继成 ;

孙正兴 ;

张福炎 .

软件学报, 2001, (12) :1818-1824

[2] 基于邻域原理计算海量数据支持向量的研究 [J].

张文生 ;

丁辉 ;

王珏 .

软件学报, 2001, (05) :711-720

[3] 基于支持向量机与无监督聚类相结合的中文网页分类器 [J].

李晓黎 ;

刘继敏 ;

史忠植 .

计算机学报, 2001, (01) :62-68

[4]

模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000

[5]

TheKernelAdatronAlgorithm:AFastAndSimpleLearningProcedureforSupportVectorMa chines .2 FrieβTT,CristianiniN,CampbellC. Proceedingsof15thIntl.Conf.MachineLearning,ICML’’98 . 1998

[6]

Making large-scale SVM learning practical .2 Joachims,T. Advances in Kernel Methods---Support Vector Learning . 1999

[7]

Sequential Minimal Optimization: A Fast Algorithm for Training Support Vector Machines .2 Platt J C. Advances in Kernel Methods: Support Vector Learning . 1999

← 1 →