基于相关向量机的机器学习算法研究与应用

被引:54
作者
杨树仁
沈洪远
机构
[1] 湖南科技大学信息与电气工程学院
关键词
相关向量机; 支持向量机; 统计学习理论; 机器学习;
D O I
暂无
中图分类号
TP181 [自动推理、机器学习];
学科分类号
摘要
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。
引用
收藏
页码:43 / 47
页数:5
相关论文
共 4 条
[1]  
支持向量回归机及其应用研究.[D].田英杰.中国农业大学.2005, 05
[2]  
基于贝叶斯网络的数据挖掘应用研究.[D].李艳美.西安电子科技大学.2008, 01
[3]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300
[4]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297