| 支持向量训练算法研究 |
| |
| 引用本文： | 艾青,刘洋,秦玉平. 支持向量训练算法研究[J]. 渤海大学学报(自然科学版), 2006, 27(3): 266-268 |
| |
| 作者姓名： | 艾青 刘洋 秦玉平 |
| |
| 作者单位： | 渤海大学,信息科学与工程学院,辽宁,锦州,121000 |
| |
| 摘 要： | 支持向量机（support vector machine，SVM）是在统计学习理论基础上发展起来的一种新的数据挖掘方法，并已广泛应用于模式识别与回归分析。针对一些主要的SVM训练方法，比较了它们的优缺点并重点阐述了其中最有代表性的序贯最小优化（SM0）算法及其多种改进算法，最后指出了进一步研究和应用亟待解决的一些问题。
|
| 关 键 词： | 支持向量机 分解算法 |
| 文章编号： | 1673-0569(2006)03-0266-03 |
| 收稿时间： | 2006-03-16 |
| 修稿时间： | 2006-03-16 |
Study on training algorithm for SVM |
| |
| AI Qing,LIU Yang,QIN Yu-ping. Study on training algorithm for SVM[J]. Journal of Bohai University:Natural Science Editio, 2006, 27(3): 266-268 |
| |
| Authors: | AI Qing LIU Yang QIN Yu-ping |
| |
| Affiliation: | College of Information Science and Engineering,Bohai University,Jinzhou 121013,China |
| |
| Abstract: | SVM(Support Vector Machine)is a new method in dada mining based on statitics theory,and has been extensively applied in pattern recogniton and regression analysis.The main training algorithms for SVM are compared,and in particular,the SMO algorithm and its improved algorithms are emphasized in discussion.Finally,some problems in the research the application are pointed out. |
| |
| Keywords: | SMO |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
