支持向量机分类算法研究-《计算机工程与应用》2009年01期-中国知网 chine,SVM)是20世纪90年代中期在统计学习理论基础上发展起来的一种新型机器学习方法[1]。支持向量机采用结构风险最小化准则(StructuralRisk Minimization,SRM)训练学习机器,其建立在严格的理论基础之上,较好地解决了非线性、高维数、局部极小点等问题,成为继神经网
基于2个网页-相关网页
它基于结构风险最小化准则，目的是最小化泛化误差上界。
It operates on a principle, called structural risk minimization, which aims to minimize the upper bound on the expected generalization error.
同时，由于该方法建立在结构风险最小化准则上，而不是仅仅使经验风险最小，所以，它具有好的推广能力。
The learning discipline of SVM is to minimize the structural risk instead of empirical risk, hence the better extensibility is guaranteed.
该算法能针对在样本有限的情况下，采用结构风险最小化准则，把学习问题转化为一个二次规划问题来获得最优解。
The method can transfer the learning problem into a second planning to acquire the optimal solution according to the principle of structure risk minimum under limited samples situation.
应用推荐