支持向量机及其改进算法研究

• 作者: 吉根林 徐慧 程学云
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 结构风险最小化 支持向量机 泛化能力
• 年，卷（期）: 2006,（10）
• 所属期刊栏目: 基金项目
• 页码范围: 5-9,38
• 页数: 6页
• 分类号: TP391
• 字数: 5864字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-2552.2006.10.002

摘要

支持向量机基于结构风险最小化原则,在经验风险和泛化能力之间折衷.它以其良好的性能,在分类领域得到越来越广泛的应用.探讨了SVM的基本原理,研究了在其基础上的一些改进算法,分析了它们之间的联系和区别,为在实际应用中选择最佳的模型提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程学云	南京师范大学计算机系	49	115	5.0	7.0
3	徐慧	南通大学计算机科学与技术学院	37	119	6.0	9.0
4	吉根林	南京师范大学计算机系	138	2757	22.0	50.0