支持向量机理论与算法研究综述.pdfVIP

本期“复杂性科学 专栏评述 ◆李绍荣◆ ◎评《支持向量机理论与算法研究综述》 色的学习性能，已经成为当前机器学习界的研究热点．SVM还是一种基于核函数的学习机器，其泛化能力 在很大程度上依赖于所选择的核函数。SVM的学习效率取决于样本数据集的规模，但是现有的SVM对于 实际问题的大规模样本数据集的训练效率并不能达到理想的训练效率．因此，为使SVM算法的训练效率和 泛化性能进一步提升，对于算法本身的完善和改进不可避免． 虽然SVM在理论上有很突出的优势，但与理论研究相比。应用研究还比较滞后，目前只有比较有限的 实验研究报道，且多属于仿真和对比试验．如何将SVM更多地应用于实际生活，需要不断地进行新的探索． 然在训练效率、误差率、泛化性能等方面均有所提升，但是这些新型支持向量机也各有缺点，比如TWSVMs 不具有稀疏性，泛化性较低。 Vector Vector 本文对粒度支持向量机(Granular Machine，GSVM)、模糊支持向量机(Fuzzy Support Support Vector Machine，FSVM)以及孪生支持向量机(Twin Support 述，并就SVM的理论与算法在处理有大量训练数据的实际应用中仍然存在计算速度和存储容量等问题进行 阐述，探索SVM研究领域的进一步发展方向． ◎评《广义系统的快速终端滑模控制》 现代科学控制理论的研究日趋深入，呈现出多学科相互渗透的态势，为适应被控对象日益复杂的现状， 提出了大规模复杂系统．因素众多的大规模复杂系统具有规模庞大、结构复杂及功能综合的特点． 广义系统作为处理多级、多目标、多维数和多层次大规模复杂系统的工具，目前已成为控制理论界的 热点之一．《广义系统的快速终端滑模控制》一文把终端滑模控制的思想引入广义系统的镇定研究中，可有 效地克服常规控制方法只能实现系统状态渐近稳定，不能最终到达平衡点的弊端。该文提出的一种新的指 数型快速终端滑模控制策略可保证系统状态在有限时间内到达平衡点，是对广义控制系统理论创新的补充 和发畏。 r“…“””““”“”““”“””““““”“”“”“………………”………～…～： ； 专家简介：李绍荣(1964一)，男，教授。现任电子科技大学光电技术工程中心主任、i i中国兵工学会光学专业委员会委员《光学技术》杂志编委．主要从事光电工程、复杂i ；电子系统、集成电路验证技术及专用集成系统设计及其应用方面的研究。近五年，在i l国际和国内专业刊物vY,及国际学术会议发表论文30余篇，被SCI、El检索20余篇。! 万方数据 第40卷第l期 电子科技大学学报 、，b1．40No．1 Journal ofElectronicScienceand ofChina Jan．201l 2011年1月 ofUniversity Technology ·复杂性科学· 支持向量机理论与算法研究综述 丁世飞‘一，齐丙娟1，谭红艳3 (1．中国矿业大学计算机科学与技术学院江苏徐州221116； 2．中国科学院计算技术研究所智能信息处理重点实验室北京海淀区 100080； 3．中国科学院声学研究所高性能网络实验室北京海淀区 100190) 【摘要】统计学习理论(statistical vector 习方法性质．支持向量机(support 经成为当前机器学习界的研究热点．该文系统介绍了支持向量机的理论基础，综述了传统支持向量机的主流训练算法以及一 些新型的学习模型和算法，最后指出了支持向量机的研究方向与发展前景． 关键词FSVM；GSVM；统计学习理