%0 Journal Article
%T 支持向量机及其在函数逼近中的应用
%A 朱国强
%A 刘士荣
%A 俞金寿
%J 华东理工大学学报
%P 555-559568
%D 2002
%X 支持向量机是一种新的机器学习算法，它的理论基础是Vapnik创建的统计学习理论，它采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型预测误差的上界，从而提高了模型的泛化能力，本文通过SVM在函数逼近中的应用，研究了SVM的小样本学习，泛化能力和抗噪声扰动能力。
%K 支持向量机
%K 统计学习理论
%K 结构风险最小化准则
%K 核函数
%K 函数逼近
%K 机器学习算法
%K 最小化样本点误差
%U http://journal.ecust.edu.cn/ch/reader/view_abstract.aspx?file_no=200205145&flag=1