矩阵代数与支持向量机

摘要

支持向量机(SVM)是一种学习机制,是统计学习理论的新发展,1995年由Vapnik首先提出.可用于模式识别和回归估计.目前国内外对支持向量机的研究处于发展阶段.根据统计学习理论,在分类器的形式确定以后,要使学习机的实际输出与理想输出间的偏差尽可能小,则机器应当遵循结构风险最小化的原理而不仅是经验风俭最小化.这使得SVM方法比基于经验风险最小化的人工神经网络具有更好的泛化能力.另一方面,支持向量机算法是一个凸优化问题,因此局部最优解一定是全局最优解.这些特点是其它学习算法,如人工神经网络学习算法所不及的.