文献类型：期刊文章

作　　者：谭东宁[1] 谭东汉[2]

机构地区：[1]信息产业部电子第55研究所,南京210016 [2]南京理工大学机械学院,南京210094

出　　处：《南京理工大学学报》

基　　金：国家自然科学基金资助项目;国家教委博士后基金资助项目!(项目号 698850 0 4 )

年　　份：2001

卷　　号：25

期　　号：1

起止页码：108-112

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CAS、CSCD、CSCD_E2011_2012、EI、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：统计学习理论是由Vapnik等人提出的一种有限样本统计理论 ,是模式识别领域新近发展的一种新理论 ,着重研究在小样本情况下的统计规律及学习方法性质。它为小样本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 ,较好地解决了小样本机器学习问题。该文旨在介绍统计学习理论的基本思想、特点。

关 键 词：样本  统计估计  模式识别 统计学习理论 机器学习理论 支持向量机

分 类 号：TP181] TP391.4]