支持向量机的新发展

被引：124

作者：

许建华

张学工

李衍达

不详

机构：

[1] 南京师范大学数学与计算机学院

[2] 清华大学自动化系

[3] 清华大学自动化系江苏南京

[4] 北京

[5] 北京

来源：

控制与决策 | 2004年 / 05期

关键词：

机器学习; 统计学习理论; 支持向量机;

D O I：

10.13195/j.cd.2004.05.2.xujh.001

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

Vapnik等学者首先提出了实现统计学习理论中结构风险最小化原则的实用算法—支持向量机 ,比较成功地解决了模式分类问题 .其后 ,机器学习界兴起了研究统计学习理论和支持向量机的热潮 ,引人瞩目的研究分支有从最优化技术出发改进或改造支持向量机 ,依据统计学习理论和支持向量机的优点设计新的非线性机器学习算法等 .对此 ,较为系统地回顾了近 10年来算法研究领域的新发展

引用

页码：481 / 484+495 +495

页数：5