文献类型：期刊文章

作　　者：杜树新[1] 吴铁军[1]

机构地区：[1]工业控制技术国家重点实验室浙江大学智能系统与决策研究所,浙江杭州310027

出　　处：《浙江大学学报（工学版）》

年　　份：2003

卷　　号：37

期　　号：5

起止页码：521-527

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：2004158108886)、IC、INSPEC、JST、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对模式识别问题,描述了支持向量机的基本思想,着重讨论了ν-SVM、最小二乘SVM、加权SVM和直接SVM等新的支持向量机方法,用于降低训练时间和减少计算复杂性的海量样本数据训练算法分块法、分解法,提高泛化能力的模型选择方法,以及逐一鉴别法、一一区分法、M-ary分类法、一次性求解等多类别分类方法.最后给出了污水生化处理过程运行状态监控的多类别分类实例.作为结构风险最小化准则的具体实现,支持向量机具有全局最优性和较好的泛化能力.

关 键 词：模式识别 支持向量机 泛化能力 分类方法  海量样本数据训练算法分块法  分解法  模型选择方法  

分 类 号：O235] TP181[数学类]