统计学习理论与支持向量机  

作　　者：冼广淋[1] 骆雪超[1] 肖宇峰[1] 

机构地区：[1]华南理工大学计算机应用工程研究所,510640

出　　处：《中国科技信息》2005年第12C期178-178,181,共2页China Science and Technology Information

摘　　要：支持向量机(SVM)是在统计学习理论(SLT)的基础上发展起来的一种新的机器学习方法。它基于结构风险最小化原则,能有效地解决过学习问题,具有良好的推广性能和较好的分类精确性。本文首先介绍统计学习理论和支持向量机的概念,然后进一步论述了SVM在模式分类中的多方面的应用。

关 键 词：统计学习理论 支持向量机(SVM) 结构风险最小化原则 机器学习方法 学习问题 推广性能 模式分类 精确性 

分 类 号：TB114[理学—概率论与数理统计]