摘要
支持向量机是以统计学习理论的新型机器学习方法,本文重点介绍了支持向量机的理论基础和应用领域。现已成功应用于模式识别和回归估计等领域,有着良好的应用前景。
出处
《科技信息》
2009年第17期39-39,69,共2页
Science & Technology Information
二级参考文献5
-
1袁亚湘 孙文瑜.最优化理论与方法[M].北京:科学出版社,1999..
-
2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：41
-
3田盛丰,黄厚宽.基于支持向量机的数据库学习算法[J].计算机研究与发展,2000,37(1):17-22. 被引量：53
-
4张学工.关于统计学习理论与支持向量机[J].自动化学报,2000,26(1):32-42. 被引量：2268
-
5陶卿,姚穗,范劲松,方廷健.一种新的机器学习算法:Support Vector Machines[J].模式识别与人工智能,2000,13(3):285-290. 被引量：30
共引文献96
-
1丁名都,李琳.基于CNN和HOG双路特征融合的人脸表情识别[J].信息与控制,2020,49(1):47-54. 被引量：17
-
2刘印锋.支持向量机技术及应用[J].科技信息,2008(27):550-551.
-
3郑胜,田金文,柳健.二乘向量机在图像插值技术中的应用研究[J].计算机工程与应用,2004,40(17):82-84.
-
4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
-
5王华忠,俞金寿.统计学习理论与支持向量机在过程控制中的应用[J].化工自动化及仪表,2004,31(5):1-6. 被引量：2
-
6汪玉,蒋丰,冯奇.舰艇抗冲击生命链技术(下)[J].噪声与振动控制,2004,24(5):1-4. 被引量：3
-
7李波,何建敏.SVM在企业财务困境分析中的应用[J].现代管理科学,2004(12):12-14. 被引量：5
-
8李海生,朱学峰.支持向量机在纸浆蒸煮过程Kappa值软测量中的应用研究[J].计算机测量与控制,2004,12(11):1014-1017.
-
9王立国,张晔,谷延锋.支持向量机多类目标分类器的结构简化研究[J].中国图象图形学报（A辑）,2005,10(5):571-574. 被引量：20
-
10吴建生,金龙.神经网络的统计学习理论基础[J].广西科学院学报,2005,21(2):102-105. 被引量：1
同被引文献20
-
1王巧兰,季忠,秦树人.基于小波变换的脑电噪声消除方法[J].重庆大学学报（自然科学版）,2005,28(7):15-17. 被引量：20
-
2林升梁,刘志.基于RBF核函数的支持向量机参数选择[J].浙江工业大学学报,2007,35(2):163-167. 被引量：143
-
3斯蒂格,尤里奇,威德曼.机器视觉算法与应用[M].杨少荣,吴迪靖,段德山,译.北京:清华大学出版社,2008.
-
4Farooq M,Mahdi N.Forecasting output using oil prices:a cascaded artificial neural network approach.Journal of Economics and Business,2006;58(2):168-180.
-
5Gori F,Ludovisi D,Cerritelli P F.Forecast of oil price and consumption in the short term under three scenarios:parabolic,linear and chaotic behaviour.Energy,2007;32(7):1291-1296.
-
6Mirmirani S,Li H C.A comparison of VAR and neural networks with genetic algorithm in forecasting price of oil.Advances in Econometrics,2004;19:203-223.
-
7Vapnik V N.Statistical Learning Theory.New York:Wiley,1998.
-
8Kryber M H, Roth T, Dement W C. Dement Principles and Practice of Sleep Medicine [M]. 3rd Edition. USA: W B Saunders Company, 2000.
-
9Rechtschaffen A, Kales A. A Manual of Standardized Terminology, Techniques and Scoring Systems for Sleep Stages of Human Subjects [M]. Los Angeles: UCLA Brain Information Service/Brain Research Institute, 1968.
-
10Silber M H, Ancoli-Israel S, Bonnet M H, et al. The visual scoring of sleep in adults[J]. Journal of Clinical Sleep Medicine, 2007, 3(2): 121-31.
引证文献5
-
1慕晓茜,何佳,倪旭敏,段雨墨,陆昊,张作泉.基于SVR的石油期货价格短期预测[J].科学技术与工程,2010,10(18):4585-4589. 被引量：3
-
2田金锋,杨荣松,任德均.基于机器视觉的产品喷码识别系统[J].微计算机信息,2010,26(25):185-187. 被引量：3
-
3付秀燕,王蓓,王行愚.短时睡眠过程中睡眠阶段的特征提取和分类[J].华东理工大学学报（自然科学版）,2011,37(1):84-89. 被引量：2
-
4王歆媛,汪丰.基于EEG复杂度和近似熵的睡眠自动分期[J].软件,2013,34(2):97-100. 被引量：4
-
5杨芳,李涛.基于能量特征和模糊熵的睡眠自动分期[J].中国医学物理学杂志,2017,34(9):968-972. 被引量：5
二级引证文献17
-
1时君伟,胡敏英,任振辉.基于机器视觉图像的多目标提取识别[J].湖北农业科学,2012,51(15):3342-3344. 被引量：2
-
2黄斌,郭海华,江进兵.基于机器视觉的点阵字符识别系统设计[J].测控技术,2014,33(12):24-26. 被引量：9
-
3刘志勇,张宏民,赵辉群,朱政,李竹琴,孙金玮.基于脑电信号的睡眠分期算法研究[J].中国生物医学工程学报,2015,34(6):693-700. 被引量：4
-
4付江宁,朱心怡,侯剑华,李娟.各年龄阶段午睡情况对老年人联结记忆的影响[J].中国老年学杂志,2016,36(9):2246-2248. 被引量：2
-
5肖姝源,王蓓,张见,张群峰,邹俊忠.基于改进的K均值聚类算法的睡眠自动分期研究[J].生物医学工程学杂志,2016,33(5):847-854. 被引量：4
-
6刘志勇,孙金玮.基于序列连通度的睡眠分期算法研究[J].电子学报,2017,45(1):225-231. 被引量：2
-
7刘光达,王伟,尚小虎.基于脑电模糊分析的睡眠分期方法研究[J].计算机工程与应用,2017,53(23):29-33. 被引量：2
-
8张千一.基于支持向量回归的机动车价格指数预测[J].设备管理与维修,2017(19):14-16.
-
9陈秋霞.机器视觉技术在工业检测领域中的应用[J].设备管理与维修,2018(16):140-142. 被引量：8
-
10梁超,王鹏,曹贝贝,王振徐.可穿戴智能睡眠质量检测系统[J].电子测量与仪器学报,2018,32(5):159-167. 被引量：7
-
1赵小龙,程群.支持向量机在岩土工程中的应用综述[J].城市建筑,2014,0(20):395-396.
-
2陈磊,杨敏.基于粗糙集和遗传神经网络的城市日用水量预测模型[J].节水灌溉,2011(7):32-35. 被引量：1
-
3王伟.城市用水量短时预测的支持向量机方法[J].工程与建设,2011,25(5):583-585. 被引量：1
-
4陈磊.基于遗传支持向量机的时用水量预测模型[J].沈阳工业大学学报,2010,32(5):555-558. 被引量：2
-
5孟庆才,齐清兰,张力霆.数学知识在推导水力计算公式中的应用[J].数学的实践与认识,2004,34(4):156-158.
-
6廖建朝,谢正文.灰色支持向量机在瓦斯流量预测中的应用[J].工业安全与环保,2008,34(8):27-29. 被引量：5
-
7赵洪波,冯夏庭,尹顺德.基于支持向量机的岩体工程分级[J].岩土力学,2002,23(6):698-701. 被引量：69
-
8谢波.基于时间序列支持向量回归模型的变形监测研究[J].城市勘测,2009(5):119-122.
-
9周述美,杨跃.基于支持向量机的结构损伤识别分析[J].低温建筑技术,2013,35(9):45-47. 被引量：2
-
10赵洪波.岩体分级的进化支持向量机方法研究[J].绍兴文理学院学报（自然科学版）,2004,24(7):82-84. 被引量：1
