基于相关向量机的机器学习算法研究与应用

介绍一种新的机器学习方法——相关向量机(Relevance Vector Machine)。相关向量机是一种新的基于贝叶斯统计学习理论的学习方法,与支持向量机(Support Vector Machine)的相比,可以有概率型输出、更稀疏和核函数选择更自由等优点。详细论述相关向量机的研究现况、理论基础及算法思想,并通过仿真实验说明该方法的有效性,最后展望相关向量机的研究发展趋势,且提出相关向量机中仍需解决的关键问题。