支持向量机及其算法研究

杜晓东;李岐强

【期刊名称】《信息技术与信息化》

【年(卷),期】2005(000)003

【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.

【总页数】4页(37-40)

【关键词】支持向量机;统计学习理论;SMO

【作者】杜晓东;李岐强

【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

【正文语种】中文

【中图分类】TN91

【相关文献】

1.一种基于FoBa算法思想的支持向量机稀疏SMO算法研究 [J], 梁万路

2.基于遗传算法—支持向量机模型的快速公交行程时间算法研究[J], XIONG Hao; HAN Yin

3.支持向量机的数字水印算法研究 [J], 李爱华; 何广东; 安雷

4.支持向量机增量学习算法研究 [J], 李凯; 黄厚宽

5.不良交通流状态实时监测支持向量机r模型算法研究 [J], 游锦明; 方守恩; 唐