支持向量机训练算法研究
摘要
本文介绍了基于统计学习理论的支持向量机的各种训练算法,对其进行了归类分析,比较了各个算法的优缺点。最后指出了SVM及其训练算法存在的一些问题和进一步研究动向。
出处
《福建电脑》
2007年第10期52-53,共2页
Journal of Fujian Computer
参考文献7
-
1白亮,老松杨,胡艳丽.支持向量机训练算法比较研究[J].计算机工程与应用,2005,41(17):79-81. 被引量：15
-
2王晓丹,王积勤.支持向量机训练和实现算法综述[J].计算机工程与应用,2004,40(13):75-78. 被引量：56
-
3李建民,张钹,林福宗.支持向量机的训练算法[J].清华大学学报（自然科学版）,2003,43(1):120-124. 被引量：46
-
4田盛丰,黄厚宽.回归型支持向量机的简化算法[J].软件学报,2002,13(6):1169-1172. 被引量：27
-
5萧嵘,王继成,孙正兴,张福炎.一种SVM增量学习算法α-ISVM[J].软件学报,2001,12(12):1818-1824. 被引量：85
-
6J.A.K. Suykens,J. Vandewalle. Least Squares Support Vector Machine Classifiers[J] 1999,Neural Processing Letters(3):293～300
-
7Christopher J.C. Burges. A Tutorial on Support Vector Machines for Pattern Recognition[J] 1998,Data Mining and Knowledge Discovery(2):121～167
二级参考文献73
-
1VapnikV.统计学习理论的本质[M].北京：清华大学出版社,2000..
-
2Vapnik V.The Nature of Statistical Learning Theory[M].New York:Springer-Verlag, 1995.
-
3Cortes C, Vapnik V.Support Vector Networks.Machine Learning, 1995;(20):273-297.
-
4Osuna E, Freund R, Girosi F.Training Support Vector Machine: An Applicaion to Face Detection[C].In:Proceedings of the IEEE International Conference on Computer Vision and Pattern Recognitlon,New York, IEEE,1997,130-136.
-
5Dumais S,Platt J,Heekerman D,Sahami M.Inductive Learning Algorithms and Representations for Text Categorization[C].In:Proceedings of the 7^th International Conference on Information and Knowledge Management,1998.
-
6Joachims T.Text Categorization with Support Vector Machines:Learning with Relevant Features[C].In:Proceedings of the 10th Europem Conference on Machine Learning, 1998.
-
7Courant R,Hilbert D.Methods of Mathematical Physics[M].Volume 1,Berlin: Springer-Verlag, 1953.
-
8Osuna E,Freund R,Girosi F.An hnproved Training Algorithm for Support Vector Machines[C].In : PrincipeJ, Gile L, Morgan N, Wilson eds.Pmceedings of the 1997 IEEE Workshop on Neural Networks for Signal Proceeding, New York: IEEE, 1997:276-285.
-
9Joachims T.Making Large-Scale SVM Learning Practical[C].In: Scholkopf B,Burges C J C,Smola A eds.Advanees in Kernel Methods Support Vector Leafing,Cambridge, MA: MIT Press, 1998:169-184.
-
10Chang C C,Hsu C W,Lin C J.The analysis of decompositon methods for support vector machines[C].In:Workshop on Support Vector machines, IJCAI,1999.
共引文献217
-
1谢小辉,黄钞.大型回转体铆钉裂纹机器视觉在线自动检测[J].中国测试,2021,47(S01):136-140. 被引量：4
-
2常继科,赵建辉,任新会,白一淼.支持向量机综述[J].光盘技术,2007(2):4-5. 被引量：1
-
3吴静,刘衍珩,孟凡雪.入侵检测中的多分类SVM增量学习算法[J].北京工业大学学报,2009,35(12):1697-1702. 被引量：3
-
4杨迎春.能想多远,就能走多远——上海利策投资管理公司总经理查大兵谈用人标准[J].成才与就业,2005(21):31-32.
-
5洪文鹏,陈重.模拟退火优化的支持向量机在氨法脱硫效率预测中的应用[J].化工自动化及仪表,2012,39(11):1446-1449.
-
6孙玉峰,郑晟,晋娜娜.基于谐波小波分析的矿井提升机故障诊断[J].煤炭技术,2015,34(2):263-265. 被引量：1
-
7方骏,方云,肖杰.数据挖掘的工业标准的现状和展望[J].计算机应用研究,2004,21(6):8-10. 被引量：6
-
8胡志坤,彭小奇,桂卫华.密闭鼓风炉锌产量的支持向量机实时预报模型[J].计算机工程,2004,30(12):16-18.
-
9桂卫华,李勇刚,阳春华,陈志盛.基于改进聚类算法的分布式SVM及其应用[J].控制与决策,2004,19(8):852-856. 被引量：13
-
10李海云,谢春琦.支持向量机在路基沉降预测中的应用[J].中外公路,2004,24(4):9-12. 被引量：3
-
1尹泳龙.日本遥感技术开发研究动向[J].国土资源遥感,1994,6(1):56-60. 被引量：1
-
2冈本,龙明.密码算法及安全性研究动向[J].电信交换,2000(3):7-13.
-
3董建平,方明伦.机器人及机械自动化的最新研究动向与发展趋势[J].上海工业大学学报,1992,13(2):117-121.
-
4余英林.人工神经网络研究动向[J].国际学术动态,1993(5):42-43.
-
5吴秀丽.光计算机的研究动向[J].光机情报,1989(7):7-12.
-
6舆水大和,江涛.机器视觉的研究动向(上)[J].红外,1996(3):8-14.
-
7段沛仁.机器人的发展研究动向[J].国外科技,1992(5):5-7.
-
8谈大龙.世纪之交机器人的研究动向与前景[J].科技成果纵横,1997,12(1):23-25.
-
9孙增圻.机器人研究动向[J].国际学术动态,1996(2):28-30.
-
10曹天人.浅析计算机网络的故障及其维护[J].科学咨询,2016,0(23):19-19.
