核学习机研究  

Research on Kernel-based Learning Machines

作　　者：李映[1] 张艳宁[1] 赵荣椿[1] 

机构地区：[1]西北工业大学计算机学院,西安710072

出　　处：《计算机工程与应用》2004年第17期4-6,17,共4页Computer Engineering and Applications

基　　金：国家自然科学基金项目(编号:60141002)资助

摘　　要：该文概述了近年来机器学习研究领域的一个热点问题———核学习机。首先分析了核方法的主要思想,然后着重介绍了几种新近发展的核学习机,包括支持向量机、核的Fisher判别分析等有监督学习算法及核的主分量分析等无监督学习算法,最后讨论了其应用及前景展望。This paper firstly analyzes the main ideas of kernel -based learning machines,and then provides an introduction to some kinds of kernel learning machines developed recently,including support vector machine(SVMs ),kernel Fisher discriminant analysis(KFD)for supervised learning and kernel principal component analysis(KPCA)for unsupervised learning.The applications and perspectives of the kernel methods are discussed finally.

关 键 词：核方法 支持向量机 FISHER判别分析 主分量分析 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]