收藏本站
《中国科学:数学》 2020年09期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

支持向量机的关键问题和展望

邵元海  刘黎明  黄凌伟  邓乃扬  
【摘要】:作为机器学习的主要方法之一,支持向量机不仅有坚实的统计学习理论基础,而且在众多领域中表现出优秀的泛化性能,因此受到了广泛关注.然而近几年来,相比于深度学习的蓬勃发展,支持向量机的研究进展缓慢.本文从支持向量机的本质出发,探讨支持向量机的理论方法与深度学习等机器学习热点研究的交叉与融合,提出一些新的思路.具体地,包括3个方面:支持向量机的大间隔原则及其带来的低密度性、核映射的高维划分技巧及其统计学习理论,以及支持向量机的浅层学习模式向深度学习和广度学习的拓展.同时,从这3个方面分别提出支持向量机研究中可以进一步挖掘的优良性质,并展望未来可能诱导出的理论和方法.

知网文化
【相似文献】
中国期刊全文数据库 前18条
1 郎宇宁;蔺娟如;;基于支持向量机的多分类方法研究[J];中国西部科技;2010年17期
2 李钧涛;杨瑞峰;左红亮;;统计机器学习研究[J];河南师范大学学报(自然科学版);2010年06期
3 王源;陈亚军;;基于核的支持向量机构造方法的研究[J];微机发展;2005年12期
4 胡哲;郑诚;闵鹏鹏;;支持向量机及其应用研究[J];重庆科技学院学报(自然科学版);2008年02期
5 李绍荣;;专栏评述[J];电子科技大学学报;2011年01期
6 周奇;;对支持向量机几种常用核函数和参数选择的比较研究[J];福建电脑;2009年06期
7 李琳;张晓龙;;支持向量机学习方法的选择与应用[J];武汉科技大学学报(自然科学版);2006年01期
8 孙璐;;支持向量机理论浅谈[J];电脑迷;2018年08期
9 赵闰楷;;基于支持向量机的天气舒适度预测模型研究[J];通讯世界;2018年10期
10 罗芳琼;;支持向量机在降水预报中的应用综述[J];广西科技师范学院学报;2017年02期
11 朱明放;王树勋;;基于支持向量机的邮电业务总量的预测[J];微计算机信息;2008年03期
12 郑小霞;钱锋;;高斯核支持向量机分类和模型参数选择研究[J];计算机工程与应用;2006年01期
13 王毅;;支持向量机技术及其应用研究[J];中国高新技术企业;2008年15期
14 李彤;;支持向量机的分解理论算法研究[J];河南科技;2013年02期
15 董本清;;机器学习与支持向量机[J];软件工程师;2007年07期
16 刘昊;扶炜;;支持向量机的研究进展[J];信阳农业高等专科学校学报;2013年04期
17 张冬生;;支持向量机在分类问题中的应用研究[J];黑龙江科技信息;2010年35期
18 翟永杰,王国鹏,韩璞,王东风;基于支持向量机的系统辨识[J];计算机仿真;2004年11期
中国重要会议论文全文数据库 前10条
1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
2 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
3 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
5 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
6 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
7 苏高利;秦钟;于强;;基于最小二乘支持向量机的农田水汽通量建模[A];首届长三角气象科技论坛论文集[C];2004年
8 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
9 刘爽;贾传荧;;一种加权支持向量机算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
10 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
中国重要报纸全文数据库 前10条
1 记者 刘霞;机器学习发现数百种潜在新冠药物[N];科技日报;2020年
2 ;你也可以体验的机器学习[N];电脑报;2020年
3 骆无意;机器学习可改变人类探测太空方式[N];中国航天报;2020年
4 记者 张梦然;机器学习诞生新型“研究员”[N];科技日报;2020年
5 CIO.com资深作家 Clint Boulton 编译 Charles;领先一步:机器学习的10个成功案例[N];计算机世界;2018年
6 Bob Violino 编译 Charles;盲目冒进:机器学习的5个失败案例[N];计算机世界;2018年
7 王方 编译;菌自何方 机器学习早知道[N];中国科学报;2019年
8 本报记者 操秀英;当量子计算遇到机器学习会碰撞出什么火花?[N];科技日报;2019年
9 Isaac Sacolick 编译 Charles;关于机器学习的5个要点[N];计算机世界;2019年
10 记者 张梦然;全新算法助机器学习抵抗干扰[N];科技日报;2019年
中国博士学位论文全文数据库 前10条
1 吴涛;核函数的性质、方法及其在障碍检测中的应用[D];中国人民解放军国防科学技术大学;2003年
2 黄华娟;孪生支持向量机关键问题的研究[D];中国矿业大学;2014年
3 肖雅静;基于支持向量机的滚动轴承故障诊断与预测方法研究[D];中国矿业大学(北京);2019年
4 彭诗力;大规模混合数据分类的核方法研究[D];天津大学;2017年
5 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
6 唐发明;基于统计学习理论的支持向量机算法研究[D];华中科技大学;2005年
7 李海生;支持向量机回归算法与应用研究[D];华南理工大学;2005年
8 陈素根;非平行平面支持向量机及特征提取中若干问题研究[D];江南大学;2016年
9 汪廷华;支持向量机模型选择研究[D];北京交通大学;2010年
10 陈慧灵;面向智能决策问题的机器学习方法研究[D];吉林大学;2012年
中国硕士学位论文全文数据库 前10条
1 薛宇玲;支持向量机在煤矿地下水位预测中的应用[D];西安科技大学;2006年
2 南光浩;模糊支持向量机算法研究[D];延边大学;2007年
3 孙庆嘉;多类支持向量机的研究与分析[D];北京交通大学;2010年
4 刘宇锦;支持向量机以及结合深度学习的分类算法研究[D];华东师范大学;2016年
5 成鹏;应用少量标记样本的支持向量机分类研究[D];陕西师范大学;2011年
6 谢福民;基于支持向量机的软测量方法及其应用研究[D];江西理工大学;2011年
7 王海啸;基于支持向量机的非线性预测控制[D];中国石油大学(华东);2013年
8 郑宏宇;关于支持向量机方法的探讨[D];西北大学;2010年
9 王月岭;基于支持向量机与概率输出网络的深度学习[D];西安理工大学;2017年
10 王洁;V支持向量机中参数的优化及在语音识别中的应用[D];太原理工大学;2012年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978