共 20 条
支持向量机的训练算法综述
被引：19
作者：
论文数: 引用数:
h-index:
机构:
论文数: 引用数:
h-index:
机构:
机构：
[1] 哈尔滨工业大学控制与仿真中心
来源：
关键词：
统计学习理论;
支持向量机;
训练算法;
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：
支持向量机(SVM)是在统计学习理论基础上发展起来的新方法,其训练算法本质上是一个二次规划的求解问题.首先简要概述了SVM的基本原理,然后对SVM训练算法的国内外研究现状进行综述,重点分析SVM的缩减算法和具有线性收敛性质的算法,对这些算法的性能进行比较,并且对SVM的扩展算法也进行简单介绍.最后对该领域存在的问题和发展趋势进行了展望.
引用
收藏
页码：467 / 475
页数：9
相关论文
共 20 条
- [1] 一种高效的最小二乘支持向量机分类器剪枝算法[J]. 计算机研究与发展, 2007, (07) : 1128 - 1136杨晓伟论文数: 引用数: h-index:机构:路节论文数: 引用数: h-index:机构:张广全论文数: 引用数: h-index:机构:
- [2] 多类支持向量机方法的研究现状与分析[J]. 智能系统学报, 2007, (02) : 11 - 17赵春晖赵春晖论文数: 0 引用数: 0 h-index: 0机构: 哈尔滨工程大学信息与通信工程学院陈万海论文数: 引用数: h-index:机构:郭春燕郭春燕论文数: 0 引用数: 0 h-index: 0机构: 哈尔滨工程大学信息与通信工程学院
- [3] 支持向量机改进序列最小优化学习算法[J]. 哈尔滨工程大学学报, 2007, (02) : 183 - 188朱齐丹论文数: 引用数: h-index:机构:张智张智论文数: 0 引用数: 0 h-index: 0机构: 哈尔滨工程大学自动化学院邢卓异邢卓异论文数: 0 引用数: 0 h-index: 0机构: 哈尔滨工程大学自动化学院
- [4] 多拉格朗日乘子协同优化的SVM快速学习算法研究[J]. 计算机研究与发展, 2006, (03) : 442 - 448业宁论文数: 引用数: h-index:机构:孙瑞祥论文数: 引用数: h-index:机构:董逸生董逸生论文数: 0 引用数: 0 h-index: 0机构: 东南大学计算机科学与工程系 东南大学计算机科学与工程系
- [5] 回归最小二乘支持向量机的增量和在线式学习算法[J]. 计算机学报, 2006, (03) : 400 - 406张浩然张浩然论文数: 0 引用数: 0 h-index: 0机构: 浙江师范大学信息科学与工程学院汪晓东汪晓东论文数: 0 引用数: 0 h-index: 0机构: 浙江师范大学信息科学与工程学院
- [6] 基于多支持向量机分类器的增量学习算法研究[J]. 哈尔滨工程大学学报, 2006, (01) : 103 - 106杨静论文数: 引用数: h-index:机构:张健沛张健沛论文数: 0 引用数: 0 h-index: 0机构: 哈尔滨工程大学计算机科学与技术学院刘大昕论文数: 引用数: h-index:机构:
- [7] 训练支持向量机的Huber近似算法[J]. 计算机学报, 2005, (10) : 1664 - 1670周水生周水生论文数: 0 引用数: 0 h-index: 0机构: 西安电子科技大学理学院詹海生詹海生论文数: 0 引用数: 0 h-index: 0机构: 西安电子科技大学理学院周利华周利华论文数: 0 引用数: 0 h-index: 0机构: 西安电子科技大学理学院
- [8] 一种快速支持向量机分类算法的研究[J]. 计算机研究与发展, 2004, (08) : 1327 - 1332刘向东刘向东论文数: 0 引用数: 0 h-index: 0机构: 南京大学计算机软件新技术国家重点实验室陈兆乾论文数: 引用数: h-index:机构:
- [9] 回归支持向量机的改进序列最小优化学习算法[J]. 软件学报, 2003, (12) : 2006 - 2013张浩然张浩然论文数: 0 引用数: 0 h-index: 0机构: 上海交通大学自动化系韩正之韩正之论文数: 0 引用数: 0 h-index: 0机构: 上海交通大学自动化系
- [10] 序贯最小优化的改进算法[J]. 软件学报, 2003, (05) : 918 - 924李建民李建民论文数: 0 引用数: 0 h-index: 0机构: 清华大学计算机科学与技术系张钹论文数: 引用数: h-index:机构:林福宗论文数: 引用数: h-index:机构: