关于统计学习理论与支持向量机

被引：2091

作者：

张学工

机构：

[1] 清华大学自动化系!智能技术与系统国家重点实验室北京

来源：

自动化学报 | 2000年 / 01期

关键词：

统计学习理论; 支持向量机; 机器学习; 模式识别;

D O I：

10.16383/j.aas.2000.01.005

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

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

引用

页码：36 / 46

页数：11

共 9 条

[1] 交互支持向量机学习算法及其应用
卢增祥
李衍达
[J]. 清华大学学报(自然科学版), 1999, (07) : 93 - 97
[2] 模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000
[3] 统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000
[4] Nonlinear component analysis as a kernel eigenvalue problem
Scholkopf, B
Smola, A
Muller, KR
[J]. NEURAL COMPUTATION, 1998, 10 (05) : 1299 - 1319
[5] A tutorial on Support Vector Machines for pattern recognition
Burges, CJC
[J]. DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) : 121 - 167
[6] SUPPORT-VECTOR NETWORKS
CORTES, C
VAPNIK, V
[J]. MACHINE LEARNING, 1995, 20 (03) : 273 - 297
[7] MEASURING THE VC-DIMENSION OF A LEARNING-MACHINE
VAPNIK, V
LEVIN, E
LECUN, Y
[J]. NEURAL COMPUTATION, 1994, 6 (05) : 851 - 876
[8] Robust linear programming discrimination of two linearly inseparable sets[J] . Kristin P. Bennett,O. L. Mangasarian.Optimization Methods and Software . 1992 (1)
[9] Linear spectral mixture models and support vector machines for remote sensing .2 Brown M,Lewis H G,Gunn S R. IEEE Trans. Geoscience and Remote Sensing . 1998

← 1 →