首页> 中文期刊>信息技术与信息化 >支持向量机及其算法研究

支持向量机及其算法研究

开具论文收录证明 >>

期刊封面封底目录下载 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

本文首先概要介绍了支持向量机的理论背景,然后结合目前一些主要的SVM训练方法以及它们之间的联系,比较了各种算法的优缺点.重点阐述了其中最有代表性的序贯最小优化(SMO)算法及其多种改进方案.最后指出了SVM及其算法进一步研究和亟待解决的一些问题.

著录项

来源
《信息技术与信息化》|2005年第3期|37-40|共4页
作者
杜晓东; 李岐强;
展开▼
作者单位

山东大学（南校区）控制学院模式识别与系统工程研究所250061;

展开▼
原文格式 PDF
正文语种 chi
中图分类通信;
关键词
支持向量机; 统计学习理论; SMO;
入库时间 2023-07-24 23:16:11

相似文献

中文文献
外文文献
专利

1. 基于支持向量机的高能效频谱感知算法研究 [J] . 李久超 ,王薇 ,刘枫 . 数据采集与处理 . 2021,第002期
2. 基于支持向量机的岩心识别算法研究 [J] . 王浩 ,宋文广 ,徐浩 . 湖北工程学院学报 . 2021,第006期
3. 基于支持向量机的糖尿病诊断优化算法研究 [J] . 裴修侗 ,周晓东 ,陈凯祥 . 技术与市场 . 2021,第008期
4. 基于支持向量机与 BP 神经网络的裂缝识别算法研究 [J] . 孔燕 ,袁辉 ,柯敏勇 . 山西建筑 . 2020,第008期
5. 基于改进支持向量机的运动视频内容分类算法研究 [J] . 许淑贤 . 现代电子技术 . 2020,第004期
6. 基于支持向量机的雷达异常回波识别算法研究 [C] . 刘昉 ,Liu Fang ,李学华 . 第34届中国气象学会年会 . 2017
7. 基于度量学习的支持向量机算法研究与应用 [A] . 阮奕邦 . 2021

获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

客服微信
服务号