支持向量机的研究进展.pdfVIP

第23卷第4期 信阳农业高等专科学校学报 V01．23No．4 of Dec．2013 2013年12月 Joumal College Xiny锄gA酣cultural 支持向量机的研究进展 刘 昊，扶炜 (信阳农林学院计算机科学系，河南信阳464000) 摘 要：本文分析总结了支持向量机从提出，兴起到现在的研究成果，并重点关注算法方面的进展。对各个方 向的研究都做了相应分析。并适当编程实现了性能优越的序贯最小优化(SMO)算法。最后给出了针对各种应 用问题，较为理想的算法选择。 关键词：统计学习；支持向量机；进展 中图分类号：TP301．6文献标识码：A 文章编号2013)04旬110旬5 Theres豫rch VectorI弛chiI地 progre辎ofsupport UU Wei Hao．FU (Depf．0f 464000，ClIina) C锄puterScience，Xiny卸gColle萨ofA咖cIllmr；e锄dF0麟try，Xiny卸g of of sum咖rizestlleevolvementtlle vectormachine fmm Abst咫ct：111ispaper support especiallytlle鹊pecta190五t11m to now．AUkindsofresearchare i乜 tlle pointgradualgIUwthby as starting presented试tllcon．esponding卸alysis．Then remarkable is to perfb珊柚ce，seque埘al“nimaloptiIIlizalion(SM0)algoritllmsimply仃anslatedpro舭ing．Fi眦uy， someidealchoices0f for are algoritllmspecmcapplieationsproVided． vector 1【ey、帅rds：statisticalle栅ing；supportmachine；progress 支持向量机从1995年提出以来开始受到广泛的函数值就能把输入的数据x进行分类。而SVM算法 关注，很多经典的sVM算法都是在90年代提出的。的核心是最大化分类的边界间隔。 近十年内，学者们的工作多是针对经典算法的改进和 在SVM中，要最大化边界是下面这个规划问题 开拓新的应用领域。由于SVM在应用时仍然存在一 1 1 to：yi[∞xi+b]≥1一考i ÷0w』2+c．蓦专i；蚰bject