首页 >关于统计学习理论与支持向量机
中国科学引文索引(CSCI):1991
其他数据库引用情况:

关于统计学习理论与支持向量机

INTRODUCTION TO STATISTICAL LEARNING THEORY AND SUPPORT VECTOR MACHINES
作者: 张学工1
单位:
刊名:自动化学报
年卷期:2000,26(01)
关键词:统计学习理论;支持向量机;机器学习;模式识别
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.
英文摘要:INTRODUCTION TO STATISTICAL LEARNING THEORY AND SUPPORT VECTOR MACHINES
基金信息:本文受到国家自然科学基金赞助,项目编号为69885004.
其它来源:
地址:北京市海淀区复兴路15号 邮编:100038 技术支持:010-58882311 服务电话:010-58882061
©2017 中国科学技术信息研究所 版权所有 京ICP备10027328号
友情链接 联系我们 法律公告