支持向量机的多分类算法  

Survey of multi-classification algorithms based on support vector machine

作　　者：胡国胜[1] 钱玲[2] 张国红[1] 

机构地区：[1]广东科学技术职业学院 [2]塔里木油田公司勘探开发研究院,新疆塔里木843300

出　　处：《系统工程与电子技术》2006年第1期127-132,共6页Systems Engineering and Electronics

基　　金：国家自然科学基金(50077008);广东省自然科学基金(033044)联合资助课题

摘　　要：系统介绍了统计学习理论(statistical learning theory,SLT)与支持向量机(support vector machine,SVM)的基本思想和算法,总结和比较了二分类和多分类两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,分析了支持向量机算法的优点。归纳了支持向量机在诸如模式识别、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领域中的应用。最后对SVM前景作了展望。The basic theory and algorithms of statistical learning theory （SLT） and support vector machines （SVMs） are surveyed. According to 2-classification and multi-classification cases, main SVM training algorithms are summarized and compared. By comparison with ANN, the characteristics of SVMs are analyzed. SVM applications, such as pattern recognition, function approaching, time series prediction, fault prediction and recognition, information security, power system and power electronics, are described. Finally, some problems in SVM development are presented.

关 键 词：模式识别 电力系统 电力电子 支持向量机 多分类算法 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]