文献类型：期刊文章

作　　者：朱家元[1] 陈开陶[2] 张恒喜[1]

机构地区：[1]空军工程大学工程学院飞机与发动机工程系,西安710038 [2]总装备部系统工程研究所,北京100101

出　　处：《计算机科学》

基　　金：国防预研资助基金(项目编号:98J19.3.2.JB3201);空军重点型号工程课题

年　　份：2003

卷　　号：30

期　　号：7

起止页码：157-159

语　　种：中文

收录情况：BDHX、BDHX2000、CSA、CSCD、CSCD2011_2012、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：In this paper, we present a least squares version for support vector machines(SVM)classifiers and functionestimation. Due to equality type constraints in the formulation, the solution follows from solving a set of linear equa-tions, instead of quadratic programming for classical SVM. The approach is illustrated on a two-spiral benchmarkclassification problem. The results show that the LS-SVM is an efficient method for solving pattern recognition.

关 键 词：支持向量机 机器学习  模式识别 最小二乘算法 函数估计

分 类 号：TP181] O235]