关于统计学习理论与支持向量机

被引：2138

作者：

张学工

机构：

[1] 清华大学自动化系!智能技术与系统国家重点实验室北京

来源：

自动化学报 | 2000年 / 01期

关键词：

统计学习理论; 支持向量机; 机器学习; 模式识别;

D O I：

10.16383/j.aas.2000.01.005

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

模式识别、函数拟合及概率密度估计等都属于基于数据学习的问题,现有方法的重要基础是传统的统计学,前提是有足够多样本,当样本数目有限时难以取得理想的效果.统计学习理论(SLT)是由Vapnik等人提出的一种小样本统计理论,着重研究在小样本情况下的统计规律及学习方法性质.SLT为机器学习问题建立了一个较好的理论框架,也发展了一种新的通用学习算法——支持向量机(SVM),能够较好的解决小样本学习问题.目前,SLT和SVM已成为国际上机器学习领域新的研究热点.本文是一篇综述,旨在介绍SLT和SVM的基本思想、特点和研究发展现状,以引起国内学者的进一步关注

引用

页码：36 / 46

页数：11

共 9 条

[1] 交互支持向量机学习算法及其应用 [J].

卢增祥 ;

李衍达 .

清华大学学报(自然科学版), 1999, (07) :93-97

[2]

模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000

[3]

统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000

[4] Nonlinear component analysis as a kernel eigenvalue problem [J].

Scholkopf, B ;

Smola, A ;

Muller, KR .

NEURAL COMPUTATION, 1998, 10 (05) :1299-1319

[5] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167

[6] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

[7] MEASURING THE VC-DIMENSION OF A LEARNING-MACHINE [J].

VAPNIK, V ;

LEVIN, E ;

LECUN, Y .

NEURAL COMPUTATION, 1994, 6 (05) :851-876

[8]

Robust linear programming discrimination of two linearly inseparable sets[J] . Kristin P. Bennett,O. L. Mangasarian.Optimization Methods and Software . 1992 (1)

[9]

Linear spectral mixture models and support vector machines for remote sensing .2 Brown M,Lewis H G,Gunn S R. IEEE Trans. Geoscience and Remote Sensing . 1998

← 1 →