中国科技信息
中國科技信息
중국과기신식
CHINA SCIENCE AND TECHNOLOGY INFORMATION
2005年
12期
178,181
,共2页
统计学习理论%支持向量机%结构风险最小化原则
統計學習理論%支持嚮量機%結構風險最小化原則
통계학습이론%지지향량궤%결구풍험최소화원칙
支持向量机(SVM)是在统计学习理论(SLT)的基础上发展起来的一种新的机器学习方法,它基于结构风险最小化原则,能有效地解决过学习问题,具有良好的推广性能和较好的分类精确性.本文首先介绍统计学习理论和支持向量机的概念,然后进一步论述了SVM在模式分类中的多方面的应用.
支持嚮量機(SVM)是在統計學習理論(SLT)的基礎上髮展起來的一種新的機器學習方法,它基于結構風險最小化原則,能有效地解決過學習問題,具有良好的推廣性能和較好的分類精確性.本文首先介紹統計學習理論和支持嚮量機的概唸,然後進一步論述瞭SVM在模式分類中的多方麵的應用.
지지향량궤(SVM)시재통계학습이론(SLT)적기출상발전기래적일충신적궤기학습방법,타기우결구풍험최소화원칙,능유효지해결과학습문제,구유량호적추엄성능화교호적분류정학성.본문수선개소통계학습이론화지지향량궤적개념,연후진일보논술료SVM재모식분류중적다방면적응용.