支持向量机及其在函数逼近中的应用

摘要：

支持向量机是一种新的机器学习算法,它的理论基础是Vapnik创建的统计学习理论.它采用结构风险最小化准则,在最小化样本点误差的同时,缩小模型预测误差的上界,从而提高了模型的泛化能力.本文通过SVM在函数逼近中的应用,研究了SVM的小样本学习、泛化能力和抗噪声扰动能力.

关键词：支持向量机、统计学习理论、结构风险最小化、核函数、函数逼近

所属期刊栏目：28

分类号：TP274(自动化技术及设备)

资助基金：浙江省宁波市科技攻关项目0012002

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：555-559,568