更新时间:2020-12-20 03:50
关于统计学习理论与支持向量机
<摘要> 模式识别、函数拟合及概率密度估计等都属于基于数据学习的问题,现有方法的重要基础是传统的统计学,前提是有足够多样本,当样本数目有限时难以取得理想的效果.统计学习理论(SLT)是由Vapnik等人提出的一种小样本统计理论,着重研究在小样本情况下的统计规律及学习方法性质.SLT为机器学习问题建立了一个较好的理论框架,也发展了一种新的通用学习算法--支持向量机(SVM),能够较好的解决小样本学习问题.目前,SLT和SVM已成为国际上机器学习领域新的研究热点.本文是一篇综述,旨在介绍SLT和SVM的基本思想、特点和研究发展现状,以引起国内学者的进一步关注.
  • 阅读:2245
  • 下载:0
基本信息
篇名 关于统计学习理论与支持向量机 来源期刊 自动化学报
年份 2000 1
关键词 统计学习理论 支持向量机 机器学习 模式识别 所属期刊栏目 综述与评论
语种 中文 页码范围 32-42
页数 11 分类号 TP2
基金 中国科学院资助项目
  • 热门期刊
  • 最新期刊
  • 期刊推荐

出版物经营许可证:新出发 京零 字第 海200251 号

Copyright © 2007-2021 PaperPass.Com. 智齿数汇. 京ICP备13040071号-2.京公网安备11010802012623.京ICP证140121号 All Rights Reserved.