支持向量机在模式分类中的应用

• 作者: 刘显德 李盼池 肖红 许少华
• 来源期刊: 大庆石油学院学报
• 学科: 工学
• 关键词: 统计学习理论 支持向量机 机器学习 模式识别
• 年，卷（期）: 2003,（2）
• 所属期刊栏目: 计算机科学
• 页码范围: 59-61
• 页数: 3页
• 分类号: TP301.6
• 字数: 2404字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-4107.2003.02.019

摘要

研究了采用基于结构风险最小化原理的支持向量机对模式的分类方法,构造的分类模型结构简单,易于实现,且泛化能力明显提高.该模型采用2种核函数,分别以平面点集分类和手写字识别为例进行了仿真实验.结果表明,将支持向量机用于模式识别不存在局部极小值问题,且不需进行网络迭代训练,求解速度明显高于前馈神经网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许少华	大庆石油学院计算机科学与工程学院	68	929	15.0	27.0
2	刘显德	大庆石油学院计算机科学与工程学院	12	106	4.0	10.0
3	李盼池	大庆石油学院计算机科学与工程学院	35	807	14.0	28.0
4	肖红	大庆石油学院计算机科学与工程学院	11	138	6.0	11.0