加权支持向量回归算法

摘要：

@@ 1引言
Vapnik等人根据统计学习理论提出的支持向量机学习方法[1],近年来受到了国际学术界的广泛重视.支持向量机的最大特点是根据Vapnik结构风险最小化原则,尽量提高学习机的泛化能力,即由有限的训练集样本得到的小的误差能够保证对独立的测试集仍然保持小的误差.

机标关键词：加权、支持向量回归算法、支持向量机、统计学习理论、最小化原则、学习方法、误差、结构风险、泛化能力、训练集、学习机、学术界、测试集、样本

所属期刊栏目：30

分类号：O1(数学)

资助基金：广东省自然科学基金021349

在线出版日期：2004-01-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：38-39