支持向量机是Vapnik等人提出的以结构风险最小化原理(Structural Risk Minimization Principle)的分类理论,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,以期获得最好的泛化能力。
基于12个网页-相关网页
在分类中应该直接构 造分类面;②为了克服过学习问题,提出结构风险最小化原理(Structural Risk Minimization,SRM),强调在学习过程中需要根据样本的情况自适应地 选取适当复杂的分类函数。
基于10个网页-相关网页
支持向量机是基于结构风险最小化原理(StructuralRiskMinimization, SRM)的一种新方法,利用结构风险最小化原理使得VC维即泛化误差的上确界最小化, 从而使支持向量机具有很好的...
基于1个网页-相关网页
是一种基于结构风险最小化原理的分类技术。
The SVM (support vector machines) is a classification technique based on the structural risk minimization principle.
不同的是,前者是基于结构风险最小化原理,后者基于经验风险最小化原理。
The difference between them is that the former is based on the structural risk minimization principle and the latter is based on the experiential risk minimization principle.
支持向量机(SVM)是一种基于结构风险最小化原理,具有很好推广性能的学习算法。
The support vector machine (SVM) is an algorithm based on structure risk minimizing principle and high generalization ability.
应用推荐