最优化理论与支持向量机

• 作者: 田丰
• 来源期刊: 文摘版：自然科学
• 学科: 工学
• 关键词: 支持向量机 回归 原始问题 Wolfe对偶 核函数
• 年，卷（期）: 2015,（4）
• 页码范围: 127-130
• 页数: 4页
• 分类号: TP18

摘要

最优化主要运用数学方法研究各种系统的优化途径及方案，为决策者提供科学决策的依据。用数学语言来讲，就是找出一个多变量函数的极小值点。支持向量机（SVM）是数据挖掘中的一项新技术，是利用最优化方法解决机器学习问题的新工具，近年来近年来受到了广泛的关注，成为克服“维数灾难”的有力手段。支持向量机的概念提出之后，多种分类器模型竞相涌现，如双生支持向量机、支持向量回归机、双生支持向量回归机以及在此基础上改进的多种模型。支持向量机为精确的分类和预测奠定了重要的基础。本文主要介绍支持向量机以及支持回归机的模型和具体算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田丰	山东财经大学数学与数量经济学院	2	0	0.0	0.0