几种SVM的优劣性比较

• 作者: 尹丽东 范丽亚
• 来源期刊: 聊城大学学报（自然科学版）
• 学科: 数学
• 关键词: 支持向量机 有效稀疏 孪生支持向量机 正则化支持向量机
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 基础科学研究
• 页码范围: 14-19
• 页数: 6页
• 分类号: O224
• 字数: 3114字
• 语种: 中文

摘要

支持向量机(Support Vector Machine, SVM)是将样本进行分类和回归的一种强大的数学工具,尤其是对高维领域,效果尤为显著.支持向量机工作原理是针对样本数据集,寻找决策函数来对样本数据进行分类的.如今已经衍生出多种SVM的相关模型.最为常见是有孪生支持向量机(T-SVM),正则化支持向量机(RT-SVM),最小二乘支持向量机(LSSVM).这几类模型的出发点和建构模型的思想有些许不同之处.本文则选取了三种常见的SVM模型,分析和比较它们之间的优势以及劣势, 能让读者更加深入的了解这类算法, 并且在实际问题中更具有选择应用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范丽亚	聊城大学数学科学学院	47	78	5.0	6.0
2	尹丽东	聊城大学数学科学学院	2	3	1.0	1.0