支持向量机在分类和回归中的应用研究

被引:9
作者
冼广铭 [1 ]
曾碧卿 [1 ]
冼广淋 [2 ]
机构
[1] 不详
[2] 华南师范大学南海校区计算机工程系
[3] 不详
[4] 广东轻工职业技术学院计算机系
[5] 不详
关键词
支持向量机; 分类; 回归;
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
SVM在许多领域的分类和回归方面起了越来越重要的作用,显示了它的优势。由于SVM方法较好的理论基础和它在一些领域的应用中表现出来的与众不同的优秀的泛化性能,近年来,许多关于SVM方法的应用研究陆续提了出来。围绕支持向量机在分类和回归中的问题进行了阐述,使我国在这一领域的研究和应用能够尽快赶上国际先进水平具有十分重要的意义。
引用
收藏
页码:134 / 136
页数:3
相关论文
共 19 条
[1]   基于支持向量机的信号滤波研究 [J].
陈春雨 ;
林茂六 ;
张喆 .
西安交通大学学报, 2006, (04) :427-431
[2]   基于HMM-SVM的故障诊断模型及应用 [J].
柳新民 ;
刘冠军 ;
邱静 .
仪器仪表学报, 2006, (01) :45-48+53
[3]   最小二乘支持向量机的短期负荷多尺度预测模型 [J].
刘遵雄 ;
钟化兰 ;
张德运 .
西安交通大学学报, 2005, (06) :620-623
[4]   改进SVM及其在时间序列数据预测中的应用 [J].
奉国和 ;
朱思铭 .
华南理工大学学报(自然科学版), 2005, (05) :19-22
[5]   基于支撑向量机的电力系统峰负荷预测 [J].
张平康 ;
王蒙 ;
赵登福 ;
张讲社 .
西安交通大学学报, 2005, (04) :398-401
[6]   基于双层虚拟视图和支持向量的人脸识别方法 [J].
崔国勤 ;
高文 .
计算机学报, 2005, (03) :368-376
[7]   模糊多类支持向量机及其在入侵检测中的应用 [J].
李昆仑 ;
黄厚宽 ;
田盛丰 ;
刘振鹏 ;
刘志强 .
计算机学报, 2005, (02) :274-280
[8]   处理非线性分类和回归问题的一种新方法(I)——支持向量机方法简介 [J].
陈永义 ;
俞小鼎 ;
高学浩 ;
冯汉中 ;
不详 .
应用气象学报 , 2004, (03) :345-354
[9]   基于支持向量机的曲线重建方法 [J].
王国锋 ;
刘岩 ;
李言俊 .
西北工业大学学报, 2004, (01) :33-36
[10]   SVM用于基于内容的自然图像分类和检索 [J].
付岩 ;
王耀威 ;
王伟强 ;
高文 .
计算机学报, 2003, (10) :1261-1265