CAJ | 학술논문

支持向量机是根据VC维理论和风向最小化原则而创造的新的机器学习方法。支持向量机泛化性能更优，维数敏感度更低而且全局收敛也更加完善。再也不担心局部极值、维数灾难等问题带来困扰。近年来支持向量机在机器学习领域表现活跃，一度成为此领域的焦点问题。但是支持向量机还不能做到尽善尽美，仍需进一步的研究和完善。学习算法的研究最为困难和棘手，但也是支持向量机的研究的重点。本文主要对向量机的几种学习算法进行了了分析和研究。
지지향량궤시근거VC유이론화풍향최소화원칙이창조적신적궤기학습방법。지지향량궤범화성능경우，유수민감도경저이차전국수렴야경가완선。재야불담심국부겁치、유수재난등문제대래곤우。근년래지지향량궤재궤기학습영역표현활약，일도성위차영역적초점문제。단시지지향량궤환불능주도진선진미，잉수진일보적연구화완선。학습산법적연구최위곤난화극수，단야시지지향량궤적연구적중점。본문주요대향량궤적궤충학습산법진행료료분석화연구。