10.3969/j.issn.1009-3044.2008.08.057
SVM算法及其在多类字母图象识别中的应用
支持向量机是一种新的统计学习算法.其学习原则是使结构风险最小,与经典的学习方法的经验风险最小原则不同,这使得支持向量机具有很强的泛化能力.因为支持向量机算法是一个凸二次优化问题,能够保证所求的局部最优解就是全局最优解.目前,研究的绝大多数是两类问题.然而,即使我们能够将两类问题正确分类,也不能意味着实际应用中多类分类问题的解决.在这篇文章中,我们介绍了支持向量机算法.并且通过多类字母图象分类问题说明支持向量机算法在多类分类问题中的应用.
支持向量机、核函数、字母图象、余类
1
TP311(计算技术、计算机技术)
2008-05-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
1537-1540