文献类型：期刊文章

作　　者：张学工[1]

机构地区：[1]清华大学自动化系

出　　处：《自动化学报》

基　　金：国家自然科学基金赞助!项目编号为 6 9885 0 0 4

年　　份：2000

卷　　号：26

期　　号：1

起止页码：32-42

语　　种：中文

收录情况：BDHX、BDHX1996、CSCD、CSCD2011_2012、EI、INSPEC、JST、MR、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：模式识别、函数拟合及概率密度估计等都属于基于数据学习的问题,现有方法的重要基础是传统的统计学,前提是有足够多样本,当样本数目有限时难以取得理想的效果.统计学习理论(SLT)是由Vapnik等人提出的一种小样本统计理论,着重研究在小样本情况下的统计规律及学习方法性质.SLT为机器学习问题建立了一个较好的理论框架,也发展了一种新的通用学习算法——支持向量机(SVM),能够较好的解决小样本学习问题.目前,SLT和SVM已成为国际上机器学习领域新的研究热点.本文是一篇综述,旨在介绍SLT和SVM的基本思想、特点和研究发展现状。

关 键 词：统计学理论  支持向量机 机器学习  模式识别

分 类 号：TP181]