基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
支持向量机(SVM)是在统计学习理论基础上发展起来的新方法,其训练算法本质上是一个二次规划的求解问题.首先简要概述了SVM的基本原理,然后对SVM训练算法的国内外研究现状进行综述,重点分析SVM的缩减算法和具有线性收敛性质的算法,对这些算法的性能进行比较,并且对SVM的扩展算法也进行简单介绍.最后对该领域存在的问题和发展趋势进行了展望.
推荐文章
支持向量机训练算法综述
支持向量机
训练算法
统计学习理论
基于自适应步长的支持向量机快速训练算法
支持向量机
序贯最小化
机器学习
自适应步长
一种快速加权支持向量机训练算法
加权支持向量机
工作集
目标函数
基于聚类的快速支持向量机训练算法
二次规划
无监督聚类
权值
距离阈值
潜在支持向量
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 支持向量机的训练算法综述
来源期刊 智能系统学报 学科 工学
关键词 统计学习理论 支持向量机 训练算法
年,卷(期) 2008,(6) 所属期刊栏目
研究方向 页码范围 467-475
页数 9页 分类号 TP391.9
字数 7456字 语种 中文
DOI 10.3969/j.issn.1673-4785.2008.06.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 伞冶 哈尔滨工业大学控制与仿真中心 54 896 13.0 29.0
2 王书舟 哈尔滨工业大学控制与仿真中心 4 74 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (62)
共引文献  (202)
参考文献  (57)
节点文献
引证文献  (61)
同被引文献  (93)
二级引证文献  (223)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(6)
  • 参考文献(0)
  • 二级参考文献(6)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(9)
  • 参考文献(2)
  • 二级参考文献(7)
2001(9)
  • 参考文献(2)
  • 二级参考文献(7)
2002(16)
  • 参考文献(5)
  • 二级参考文献(11)
2003(13)
  • 参考文献(4)
  • 二级参考文献(9)
2004(12)
  • 参考文献(4)
  • 二级参考文献(8)
2005(12)
  • 参考文献(5)
  • 二级参考文献(7)
2006(17)
  • 参考文献(16)
  • 二级参考文献(1)
2007(15)
  • 参考文献(15)
  • 二级参考文献(0)
2008(4)
  • 参考文献(4)
  • 二级参考文献(0)
2008(4)
  • 参考文献(4)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(8)
  • 引证文献(8)
  • 二级引证文献(0)
2010(6)
  • 引证文献(3)
  • 二级引证文献(3)
2011(14)
  • 引证文献(9)
  • 二级引证文献(5)
2012(9)
  • 引证文献(4)
  • 二级引证文献(5)
2013(20)
  • 引证文献(3)
  • 二级引证文献(17)
2014(30)
  • 引证文献(4)
  • 二级引证文献(26)
2015(44)
  • 引证文献(11)
  • 二级引证文献(33)
2016(33)
  • 引证文献(5)
  • 二级引证文献(28)
2017(39)
  • 引证文献(6)
  • 二级引证文献(33)
2018(39)
  • 引证文献(4)
  • 二级引证文献(35)
2019(33)
  • 引证文献(4)
  • 二级引证文献(29)
2020(9)
  • 引证文献(0)
  • 二级引证文献(9)
研究主题发展历程
节点文献
统计学习理论
支持向量机
训练算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
智能系统学报
双月刊
1673-4785
23-1538/TP
大16开
哈尔滨市南岗区南通大街145-1号楼
2006
chi
出版文献量(篇)
2770
总下载数(次)
11
总被引数(次)
12401
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导