处理非线性分类和回归问题的一种新方法(I)--支持向量机方法简介

摘要：

简要介绍了近年来倍受瞩目的一种处理高度非线性分类、回归等问题的计算机学习的新方法--支持向量机(SVM)方法;分析了这一方法的特点及其在数值预报产品释用及气象研究业务中的应用前景.SVM是一种有坚实理论基础的新颖的小样本学习方法.它基本上不涉及概率测度及大数定律等,因此不同于现有的统计方法.从本质上看,它避开了从归纳到演绎的传统过程,实现了高效的从训练样本到预报样本的"转导推理"(transductive inference),大大简化了通常的分类和回归等问题.SVM的最终决策函数只由少数的支持向量所确定,计算的复杂性取决于支持向量的数目,而不是样本空间的维数,这在某种意义上避免了"维数灾".

关键词：机器学习、支持向量机(SVM)、模式识别、回归估计、天气预报

所属期刊栏目：15

分类号：TP3;TN9

资助基金：国家自然科学基金60072006

在线出版日期：2004-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：345-354