支持向量机算法及应用  

An Overview of Support Vector Machines Algorithms and Its Application

作　　者：胡国胜[1] 

机构地区：[1]广东科学技术职业学院 广东广州510640 华南理工大学信息与通信工程学院广东广州510640

出　　处：《现代电子技术》2005年第3期106-109,共4页Modern Electronics Technique

基　　金：国家自然科学基金 (50 0 770 0 8);广东省自然科学基金 (0 330 4 4 )

摘　　要：系统介绍了统计学习理论和支持向量机的基本思想 ,总结、比较了二分类和多分类 2种情况下支持向量机的主要训练算法。与人工神经网络相比 ,分析了支持向量机的优点。归纳了支持向量机在模式识别、函数逼近、时间序列预测、故障预测和识别、信息安全、电力系统以及电力电子中的应用。In this paper, the basic theory of Statistical Learning Theory(SLT) and Support Vector Machines(SVMs) is introduced. According to biclassification and multiclassification cases, main SVMs training algorithms are summarized and compared. Comparing to ANN, the merit of SVMs is analysed. Many applications of SVMs are induced, such as pattern recognition, function approaching, time series prediction, fault prediction, fault recognition, information security, power systems power electronics.

关 键 词：统计学习理论 支持向量机 模式识别 时间序列预测 电力系统 

分 类 号：TM711[电气工程—电力系统及自动化]