几种SVM的优劣性比较
尹丽东
范丽亚
1.聊城大学数学科学学院,山东聊城,2520592.聊城大学数学科学学院,山东聊城,252059
摘要：支持向量机(Support Vector Machine, SVM)是将样本进行分类和回归的一种强大的数学工具,尤其是对高维领域,效果尤为显著.支持向量机工作原理是针对样本数据集,寻找决策函数来对样本数据进行分类的.如今已经衍生出多种SVM的相关模型.最为常见是有孪生支持向量机(T-SVM),正则化支持向量机(RT-SVM),最小二乘支持向量机(LSSVM).这几类模型的出发点和建构模型的思想有些许不同之处.本文则选取了三种常见的SVM模型,分析和比较它们之间的优势以及劣势, 能让读者更加深入的了解这类算法, 并且在实际问题中更具有选择应用性.
关键词：支持向量机有效稀疏孪生支持向量机正则化支持向量机
分类号：O224(运筹学)
资助基金：国家自然科学基金(11501278)山东省自然科学基金(ZR2013AQ011)
论文发表日期：2017-01-01
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：6( 14-19 )
英文信息