现代电子技术
現代電子技術
현대전자기술
MODERN ELECTRONICS TECHNIQUE
2007年
16期
193-194
,共2页
统计学习理论%支持向量机%C-SVM%模式识别
統計學習理論%支持嚮量機%C-SVM%模式識彆
통계학습이론%지지향량궤%C-SVM%모식식별
基于统计学习理论的支持向量机(SVM)方法是现代智能技术的一个重要分支.SVM实现了结构风险最小化(SRM),而不是经验风险最小化(ERM),在保证分类精度的前提下,提高了分类器的泛化能力.着重讨论C-SVM原理,并在此基础之上,对算法进行了测试.测试结果表明,C-SVM分类算法具有较好的推广能力.
基于統計學習理論的支持嚮量機(SVM)方法是現代智能技術的一箇重要分支.SVM實現瞭結構風險最小化(SRM),而不是經驗風險最小化(ERM),在保證分類精度的前提下,提高瞭分類器的汎化能力.著重討論C-SVM原理,併在此基礎之上,對算法進行瞭測試.測試結果錶明,C-SVM分類算法具有較好的推廣能力.
기우통계학습이론적지지향량궤(SVM)방법시현대지능기술적일개중요분지.SVM실현료결구풍험최소화(SRM),이불시경험풍험최소화(ERM),재보증분류정도적전제하,제고료분류기적범화능력.착중토론C-SVM원리,병재차기출지상,대산법진행료측시.측시결과표명,C-SVM분류산법구유교호적추엄능력.