支持向量机及其在函数逼近中的应用

• 作者: 俞金寿 刘士荣 朱国强
• 来源期刊: 华东理工大学学报(自然科学版)
• 学科: 工学
• 关键词: 支持向量机 统计学习理论 结构风险最小化 核函数 函数逼近
• 年，卷（期）: 2002,（5）
• 所属期刊栏目: 研究论文
• 页码范围: 555-559,568
• 页数: 6页
• 分类号: TP274
• 字数: 2353字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-3080.2002.05.023

摘要

支持向量机是一种新的机器学习算法,它的理论基础是Vapnik创建的统计学习理论.它采用结构风险最小化准则,在最小化样本点误差的同时,缩小模型预测误差的上界,从而提高了模型的泛化能力.本文通过SVM在函数逼近中的应用,研究了SVM的小样本学习、泛化能力和抗噪声扰动能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	俞金寿	华东理工大学自动化研究所	199	3638	32.0	51.0
2	刘士荣	宁波大学电气工程与自动化研究所	15	440	9.0	15.0
3	朱国强	宁波大学电气工程与自动化研究所	1	140	1.0	1.0