支持向量机的新发展

• 作者: 张学工 李衍达 许建华
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 机器学习 统计学习理论 支持向量机
• 年，卷（期）: 2004,（5）
• 所属期刊栏目: 综述与评论
• 页码范围: 481-484,495
• 页数: 5页
• 分类号: TP18
• 字数: 3625字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2004.05.001

摘要

Vapnik等学者首先提出了实现统计学习理论中结构风险最小化原则的实用算法-支持向量机,比较成功地解决了模式分类问题.其后,机器学习界兴起了研究统计学习理论和支持向量机的热潮,引人瞩目的研究分支有从最优化技术出发改进或改造支持向量机,依据统计学习理论和支持向量机的优点设计新的非线性机器学习算法等.对此,较为系统地回顾了近10年来算法研究领域的新发展.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李衍达	清华大学自动化系	96	3275	26.0	56.0
2	张学工	清华大学自动化系	34	1248	17.0	34.0
3	许建华	南京师范大学数学与计算机学院	12	383	6.0	12.0