基于相关向量机的机器学习算法研究与应用

• 作者: 杨树仁 沈洪远
• 来源期刊: 计算技术与自动化
• 关键词: 相关向量机 支持向量机 统计学习理论 机器学习
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 算法分析与研究
• 页码范围: 43-47
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6199.2010.01.013

摘要

介绍一种新的机器学习方法--相关向量机(Relevance Vector Machine).相关向量机是一种新的基于贝叶斯统计学习理论的学习方法,与支持向量机(Support Vector Machine)的相比,可以有概率型输出、更稀疏和核函数选择更自由等优点.详细论述相关向量机的研究现况、理论基础及算法思想,并通过仿真实验说明该方法的有效性,最后展望相关向量机的研究发展趋势,且提出相关向量机中仍需解决的关键问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈洪远	湖南科技大学信息与电气工程学院	34	594	12.0	24.0
2	杨树仁	湖南科技大学信息与电气工程学院	3	96	2.0	3.0