關(guān)于支持向量機(jī)方法的幾點(diǎn)研究.pdf

1、統(tǒng)計(jì)學(xué)習(xí)理論是目前針對(duì)小樣本統(tǒng)計(jì)估計(jì)和預(yù)測(cè)學(xué)習(xí)的最佳理論，是傳統(tǒng)統(tǒng)計(jì)學(xué)的重要補(bǔ)充和發(fā)展．支持向量機(jī)是由Vapnik等人在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上提出的一種新型機(jī)器學(xué)習(xí)方法．與其它機(jī)器學(xué)習(xí)算法僅僅考慮到經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的原則不同，支持向量機(jī)采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則來訓(xùn)練學(xué)習(xí)機(jī)，并使用VC維理論來度量結(jié)構(gòu)風(fēng)險(xiǎn)．支持向量機(jī)算法能更好地解決小樣本，非線性以及神經(jīng)網(wǎng)絡(luò)算法中的高維數(shù)和局部極小值等實(shí)際問題，而且結(jié)構(gòu)非常簡(jiǎn)單，具有出色的學(xué)習(xí)性能，被廣泛應(yīng)用于模

2、式識(shí)別、回歸估計(jì)和函數(shù)逼近等方面． 本文首先介紹了支持向量機(jī)的理論基礎(chǔ)一統(tǒng)計(jì)學(xué)習(xí)理論，并以支持向量機(jī)理論為基礎(chǔ)介紹了其在分類問題上的應(yīng)用，重點(diǎn)討論了兩點(diǎn)內(nèi)容：一，支持向量機(jī)的七階光滑函數(shù)及其逼近精度研究．結(jié)果表明：該光滑函數(shù)具有比一至六階光滑函數(shù)更好的逼近性能，為支持向量機(jī)的研究提供了一個(gè)新的光滑函數(shù)．二，基于多核加權(quán)支持向量機(jī)的概率密度估計(jì)．概率密度估計(jì)問題是一種隨機(jī)不適定問題，因此，本文主要用解決隨機(jī)不適定問題的P方法結(jié)合多