计算机与数字工程
計算機與數字工程
계산궤여수자공정
COMPUTER & DIGITAL ENGINEERING
2007年
10期
21-23,69
,共4页
支持向量机%不平衡数据集%统计学习理论
支持嚮量機%不平衡數據集%統計學習理論
지지향량궤%불평형수거집%통계학습이론
Vapnik等人提出基于统计学习理论的支持向量机( SVM, Support Vector Machices )算法,将其运用于模式识别中,取得了较好的效果.但传统的SVM算法针对不平衡样本集时,效果很不理想,很多的科研人员对该问题进行广泛而深入的研究,较为系统的回顾这一个研究分支在过去10年的发展动态.
Vapnik等人提齣基于統計學習理論的支持嚮量機( SVM, Support Vector Machices )算法,將其運用于模式識彆中,取得瞭較好的效果.但傳統的SVM算法針對不平衡樣本集時,效果很不理想,很多的科研人員對該問題進行廣汎而深入的研究,較為繫統的迴顧這一箇研究分支在過去10年的髮展動態.
Vapnik등인제출기우통계학습이론적지지향량궤( SVM, Support Vector Machices )산법,장기운용우모식식별중,취득료교호적효과.단전통적SVM산법침대불평형양본집시,효과흔불이상,흔다적과연인원대해문제진행엄범이심입적연구,교위계통적회고저일개연구분지재과거10년적발전동태.
