文献类型：期刊文章

作　　者：陆文聪[1] 陈念贻[1] 叶晨洲[2] 李国正[2]

机构地区：[1]上海大学理学院化学系计算机化学研究室,上海200436 [2]上海交通大学图象及模式识别研究所,上海200030

出　　处：《计算机与应用化学》

基　　金：国家自然科学基金委和美国福特公司联合资助(9716214)

年　　份：2002

卷　　号：19

期　　号：6

起止页码：697-702

语　　种：中文

收录情况：BDHX、BDHX2000、CAS、CSCD、CSCD2011_2012、JST、ZGKJHX、核心刊

摘　　要：Vladimir N.Vapnik等提出的统计学习理论(statistical learning theory,简称SLT)和支持向量机(support vector machine,简称SVM)算法已取得令人鼓舞的研究成果。本文旨在对这一新理论和新算法的原理作一介绍,并展望这一计算机学界的新成果在化学化工领域的应用前景。“ChemSVM”软件提供了通用的支持向量机算法,并将其与数据库、知识库、原子参数及其他数据挖掘方法有机地集成起来。

关 键 词：支持向量机算法 ChemSVM  模式识别 支持向量机 支持向量分类 支持向量回归 化学  化工  应用  统计学习理论 核函数

分 类 号：TP181] O6-39]