期刊文献+

支持向量机研究 被引量:6

Statistical Learning Theory and Support Vector Machines
下载PDF
导出
摘要 支持向量机是一种新型的机器学习方法,由于其出色的学习性能,该技术已成为国际机器学习领域新的研究热点。首先介绍了统计学习理论和以该理论为基础的支持向量机,然后对线性、非线性支持向量机进行了介绍,给出了一些常用的训练算法。
出处 《甘肃联合大学学报(自然科学版)》 2005年第2期23-26,共4页 Journal of Gansu Lianhe University :Natural Sciences
  • 相关文献

参考文献11

  • 1[1]Vapnik V N.The nature of statistical learning[M].New York: Springer-Verlag,1995.
  • 2[2]Bernd Heisele.Hierarchical Classification and Feature Reduction for Fast Face Detection with Support Vector Machines[J].Pattern Recognition,2003,36: 2007-2017.
  • 3[3]Lu Chunyu,Yan Pingfan,Zhang Changshui.Face recognition using support vector machine[C].In Proc of ICANN'98,Beijing,1998,652-655.
  • 4卢增祥,李衍达.交互支持向量机学习算法及其应用[J].清华大学学报(自然科学版),1999,39(7):93-97. 被引量:40
  • 5[5]Burges C,Schokopf B.Advances in Kernel Methods: Support Vestor Learning[C].Cambridge,MA.MIT Press,1999.185-208.
  • 6[6]Vapnik V N.Estimation of Dependences Based on Empirical Data [ M].New York: Springer-Verlag,1982.
  • 7[7]Vapnik V N.Principles of risk minimization for leraning theory[C].In: Advances in Neural Information Processing Systems 4(Moody J E,Hanson S J,Lippmann R P.eds.),831-838,San Mateo: Morgan Kaufmann,1992.
  • 8[8]Vapnik V N.Estimation of Dependences Based on Empirical Data [ M ].New York: Springer-Verlag,1982.
  • 9[9]Boser B E,Guyon I M,Vapnik V.A Training Algorith for Optional Margin Classifiers[A].Proceedings of The fifth Annual Workshop on Computation Learning Theory[C].Pittsburgth,PA,USA: [s.n,],1992,144- 152.
  • 10[10]Osuna E,Freund R,Girosi F.An improved training algorithm for support vector machines[A].Proceedings of the 1997 IEEE Workshop on Neural Network for Signal Processing[C].New York: IEEE Press,1997.276-285.

二级参考文献2

  • 1Hu Yuhen,IEEE Signal Processing Magazine,1997年,11卷,39页
  • 2边肇祺,模式识别,1988年

共引文献39

同被引文献51

引证文献6

二级引证文献23

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部