2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

关于统计学习理论与支持向量机

张学工

张学工. 关于统计学习理论与支持向量机. 自动化学报, 2000, 26(1): 32-42.
引用本文: 张学工. 关于统计学习理论与支持向量机. 自动化学报, 2000, 26(1): 32-42.
Zhang Xuegong. Introduction to Statistical Learning Theory and Support Vector Machines. ACTA AUTOMATICA SINICA, 2000, 26(1): 32-42.
Citation: Zhang Xuegong. Introduction to Statistical Learning Theory and Support Vector Machines. ACTA AUTOMATICA SINICA, 2000, 26(1): 32-42.

关于统计学习理论与支持向量机

Introduction to Statistical Learning Theory and Support Vector Machines

  • 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.
  • 加载中
计量
  • 文章访问数:  5064
  • HTML全文浏览量:  166
  • PDF下载量:  3426
  • 被引次数: 0
出版历程
  • 收稿日期:  1998-08-24
  • 刊出日期:  2000-01-20

目录

    /

    返回文章
    返回