%0 Journal Article
%T 关于统计学习理论与支持向量机
%A 张学工
%J 自动化学报
%P 32-42
%D 2000
%X ？模式识别、函数拟合及概率密度估计等都属于基于数据学习的问题,现有方法的重要基础是传统的统计学,前提是有足够多样本,当样本数目有限时难以取得理想的效果.统计学习理论(SLT)是由Vapnik等人提出的一种小样本统计理论,着重研究在小样本情况下的统计规律及学习方法性质.SLT为机器学习问题建立了一个较好的理论框架,也发展了一种新的通用学习算法--支持向量机(SVM),能够较好的解决小样本学习问题.目前,SLT和SVM已成为国际上机器学习领域新的研究热点.本文是一篇综述,旨在介绍SLT和SVM的基本思想、特点和研究发展现状,以引起国内学者的进一步关注.
%K 统计学习理论
%K 支持向量机
%K 机器学习
%K 模式识别
%U http://www.aas.net.cn/CN/abstract/abstract14696.shtml