小样本机器学习理论：统计学习理论

• 作者: 谭东宁 谭东汉
• 来源期刊: 南京理工大学学报
• 学科: 工学
• 关键词: 样本,统计估计,模式识别 统计学习理论,机器学习
• 年，卷（期）: 2001,（1）
• 页码范围: 108-112
• 页数: 5页
• 分类号: TP202.4|TP391.42
• 字数: 3609字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9830.2001.01.027

摘要

统计学习理论是由Vapnik等人提出的一种有限样本统计理论，是模式识别领域新近发展的一种新理论，着重研究在小样本情况下的统计规律及学习方法性质。它为小样本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，较好地解决了小样本机器学习问题。该文旨在介绍统计学习理论的基本思想、特点、研究现状和一些思考。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭东汉	南京理工大学机械学院	3	172	2.0	3.0
2	谭东宁		1	166	1.0	1.0