支持向量机研究
被引量:6
Statistical Learning Theory and Support Vector Machines
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
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
-
1温学兵,谢维,姚佳宜.基于随机森林和支持向量机模型的期刊评价[J].沈阳师范大学学报(自然科学版),2022,40(2):174-179.
-
2郭雷,肖怀铁,付强.一种基于SVM的多目标模糊识别方法[J].雷达科学与技术,2004,2(3):142-146. 被引量:2
-
3赵春玲,黄,陈森发.一种多源信息的最优融合方法研究[J].信息与控制,2005,34(1):66-70. 被引量:6
-
4唐发明,陈绵云,王仲东.基于支持向量机的仓储害虫声音识别[J].华中科技大学学报(自然科学版),2005,33(2):34-36. 被引量:10
-
5丁艳,曹倩,王超,潘金贵.基于Ontology和EM方法的网页分类研究[J].计算机科学,2003,30(11):112-115. 被引量:1
-
6纪华,郑璐石.支持向量机及其在岩土工程中的应用[J].宁夏工程技术,2005,4(2):160-164. 被引量:4
-
7王笑旻.基于Bigram的特征词抽取及自动分类方法研究[J].计算机工程与应用,2005,41(22):177-179. 被引量:5
-
8周亚同,张太镒,刘海员.基于核的机器学习方法及其在多用户检测中的应用[J].通信学报,2005,26(7):96-108. 被引量:3
-
9王勇睿,李华,赵国英,李宗民.基于反馈机制的三维模型分类检索系统[J].计算机工程与应用,2005,41(27):164-167.
-
10陈江兵,张巍.基于状态转换方法的不良信息文本过滤模型[J].江西教育学院学报,2005,26(6):22-24.
同被引文献51
-
1邓林,马尽文,裴健.秩和基因选取方法及其在肿瘤诊断中的应用[J].科学通报,2004,49(13):1311-1316. 被引量:18
-
2朱云华,李颖新,阮晓钢.基于基因表达谱的小圆蓝细胞瘤亚型识别[J].计算机应用,2004,24(11):131-134. 被引量:1
-
3朱云华,李颖新,阮晓钢.基于基因表达谱的SRBCT分类研究[J].计算机工程与应用,2005,41(1):221-223. 被引量:3
-
4李颖新,李建更,阮晓钢.肿瘤基因表达谱分类特征基因选取问题及分析方法研究[J].计算机学报,2006,29(2):324-330. 被引量:45
-
5唐秋华,周兴华,丁继胜,刘忠臣,杜德文.多波束反向散射强度数据处理研究[J].海洋学报,2006,28(2):51-55. 被引量:41
-
6韦振中.基于核主成分分析的特征提取方法[J].广西工学院学报,2006,17(4):27-31. 被引量:22
-
7唐秋华,刘保华,陈永奇,周兴华,丁继胜.结合遗传算法的LVQ神经网络在声学底质分类中的应用[J].地球物理学报,2007,50(1):313-319. 被引量:27
-
8Golub, T.R., et al., Molecular classification of cancer: class discovery and class prediction by gene expression monitoring[J]. Science, 1999,286(5439) : 531 - 7.
-
9Pavlidis, P., J. Weston, and J. Cal. Gene functional Analysis from heterogeneous data [ M ]. in Proc Fifth Int. Conf. on Computational Molecular Biology, New York : ACM Press, 2001.
-
10Shawe-Taylor[英],J.,N.Cristianini[美].模式分析的核方法[M].赵玲玲,翁苏明,曾华军等译,北京:机械工业出版社,2006.
引证文献6
-
1张钟文,刘涛.供应链牛鞭效应的风险预测模型[J].统计与决策,2009,25(19):62-64. 被引量:1
-
2黄伟,尹京苑.一种基于支持向量机的自适应肿瘤分类检测算法[J].生物信息学,2009,7(4):243-247.
-
3陈祖云,张桂珍,邬长福,杨胜强.基于支持向量机的煤与瓦斯突出预测研究[J].工业安全与环保,2010,36(5):33-36. 被引量:10
-
4熊明宽,吴自银,李守军,罗孝文,唐秋华.基于SVM的海底声纳图像底质识别[J].海洋通报,2012,31(4):409-414. 被引量:6
-
5尹蕾,王博.基因表达谱的肿瘤特征基因提取研究分析[J].西安文理学院学报(自然科学版),2014,17(2):15-18.
-
6曹力,潘巧波,王明宇,马东.基于混合核函数支持向量机的风电机组发电机温度预警方法[J].华电技术,2020,42(5):43-49. 被引量:6
二级引证文献23
-
1肖玲,吴建星.基于支持向量机的微震源灾害预测[J].工业安全与环保,2013,39(10):94-96. 被引量:2
-
2王排营,李向峰,连小樱,胡修权,王永军.井下作业现场标准化管理的实施[J].工业安全与环保,2013,39(10):97-98. 被引量:2
-
3孙加余,牟小俐.供应链上共享信息的分类研究[J].情报杂志,2010,29(11):178-182.
-
4程加堂,艾莉,徐绍坤.基于MMAS-BP的煤与瓦斯突出强度预测[J].中国安全科学学报,2011,21(9):77-81. 被引量:13
-
5孙云霄,方健,马小平.基于半监督学习和支持向量机的煤与瓦斯突出预测研究[J].工矿自动化,2012,38(11):40-42. 被引量:5
-
6王晶,刘湘南.引入纹理特征的多光谱遥感影像海面油膜信息提取[J].海洋通报,2013,32(4):452-459. 被引量:1
-
7刘年平,李仕雄.煤与瓦斯突出危险性评价的集对分析方法[J].现代矿业,2014,30(1):97-100. 被引量:1
-
8卢承博.我国煤与瓦斯突出危险性预测技术研究现状[J].煤,2015,24(1):57-60. 被引量:1
-
9陈建平,董军,吕相伟.基于PCA-Fisher判别分析模型的煤与瓦斯突出危险等级预测方法研究[J].矿业安全与环保,2018,45(3):61-66. 被引量:9
-
10刘海波,钱伟,王福忠.基于粗糙集与粒子群优化支持向量机的瓦斯突出预测模型[J].中国科学技术大学学报,2019,49(2):87-92. 被引量:3
-
1王恒,纪红,李曦.基于EDA的机会监听中继选择的改进机制[J].电视技术,2012,36(1):63-66.
-
2王立国,孙丽娟,王群明.非线性支持向量机判别阈值的设置[J].黑龙江大学自然科学学报,2011,28(1):137-140. 被引量:1
-
3刘洪,王建军.一种基于PSOSVM的盲隐写分析方法[J].信息与电子工程,2009,7(2):136-141.
-
4滕晓云,徐俊,陈德明.基于SVM的信号解调算法[J].电讯技术,2016,56(10):1108-1111. 被引量:1
-
5乔跃刚,赵铁军,李生,朱莉.基于SVM的语音关键词确认方法研究[J].计算机应用与软件,2006,23(7):85-87.
-
6徐彤阳,姚跃华,朱志勇.一种基于支持向量机的图像边缘检测方法[J].微机发展,2005,15(1):87-90. 被引量:7
-
7孙见青,汪荣贵,胡韦伟.基于EM-PCA和级联分类器的人脸检测[J].中国科学院研究生院学报,2008,25(2):216-223. 被引量:3
-
8火元莲,齐永锋,宋海声.基于SMO算法的多用户检测技术[J].通信技术,2007,40(11):136-138.
-
9黄晨晨,巩微,伏文龙,冯东煜.基于深度信念网络的语音情感识别的研究[J].计算机研究与发展,2014,51(S1):75-80. 被引量:18
-
10李京华,张聪颖,倪宁.基于参数优化的支持向量机战场多目标声识别[J].探测与控制学报,2010,32(1):1-5. 被引量:7