迅速崛起的机器学习技术--支持向量机

• 作者: 张爱 郑璐石 陆有忠
• 来源期刊: 宁夏工程技术
• 学科: 工学
• 关键词: 经验风险最小化 结构风险最小化 最优超平面 支持向量机
• 年，卷（期）: 2004,（2）
• 所属期刊栏目: 应用技术基础理论研究
• 页码范围: 136-140
• 页数: 5页
• 分类号: TP391.1
• 字数: 3531字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7244.2004.02.012

摘要

支持向量机(support vector machine,简称SVM)是近年来在国外发展起来的一种新型机器学习技术,由于其出色的学习性能,该技术已成为当前国际机器学习界的研究热点.与传统的人工神经网络(artificialneural network,简称ANN)不同,SVM是基于结构风险最小化(structural risk minimization,简称SRM)原理,而ANN是基于经验风险最小化(empirical risk minimization,简称ERM)原理.理论和实验表明,SVM不但结构简单,而且具有较好的泛化能力,尤其是对于小样本问题,成功地克服了ANN学习过程中的"过学习"和可能会陷入局部极小问题.另外,SVM算法是一个凸二次优化问题,能够保证极值解是全局最优解.就SVM理论进行了详细综述,旨在引起广大研究者的重视.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑璐石	宁夏大学物理电气信息学院	15	128	6.0	11.0
2	陆有忠	北京科技大学土木与环境工程学院	5	98	5.0	5.0
3	张爱	固原师范专科学校物理系	3	20	2.0	3.0