关于支持向量回归机的模型选择
文献类型：中文期刊论文
| 作者 | 苏高利 ; 邓芳萍 |
| 发表日期 | 2006 |
| 关键词 | 支持向量回归机 核函数 模型参数 模型选择 |
| ISSN号 | 1001-7119 |
| 摘要 | 支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法。模型选择是设计支持向量机的重要内容之一。本文在分析用于回归的支持向量机原理的基础上,分别从核函数的选择、模型参数的作用、模型参数的调整方法等模型选择方面进行了综述,并讨论了模型选择的优缺点,最后指出在实际应用中常见的核函数和模型参数调整方法。 |
| 出处 | 科技通报
 |
| 期 | 2页:154-158 |
| 语种 | 中文 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/14998]  |
| 专题 | 地理科学与资源研究所_历年回溯文献 |
| 推荐引用方式 GB/T 7714 | 苏高利,邓芳萍. 关于支持向量回归机的模型选择. 2006. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。