支持向量机理论探讨

被引：1

作者：

胡骏

机构：

[1] 武汉科技大学

来源：

科技创业月刊 | 2012年 / 25卷 / 03期

关键词：

机器学习; 统计学习; 支持向量机;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

支持向量机在有两类的分类问题中有很好的应用,研究支持向量机的理论,并讨论了取代铰链损失函数的支持向量机,并考虑核逻辑回归模型,表明了核逻辑回归模型在执行两类分类支持向量机中的作用。此外,还利用核逻辑回归模型提供了一个基础概率的估计。

引用

页码：106 / 108

页数：3

共 6 条

[1]

Measuring the VC-dimension of a learning machine. Vapnik V,Levin E,Le Cun Y. Neural Computation . 1994

[2] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167

[3] MEASURING THE VC-DIMENSION OF A LEARNING-MACHINE [J].

VAPNIK, V ;

LEVIN, E ;

LECUN, Y .

NEURAL COMPUTATION, 1994, 6 (05) :851-876

[4] 一阶多项式光滑的支持向量分类机的一般模型 [J].

熊金志 ;

李广明 ;

高晓雷 ;

牛熠 .

计算机工程与应用, 2007, (10) :76-78

[5]

非参数统计[M]. 中国人民大学出版社 , 王星编著, 2005

[6]

Training support vector machines: an application to face detection. Osuna E,Freund R,Girosi F. Proceedings of the IEEE International Conference on Computer Vision and Pattern Recognition . 1997

← 1 →