作者：杨杰; 叶晨洲; 全勇; 陈念贻smo算法支撑向量机统计学习理论时间复杂度简化算法算法实现结构风险最小化原则数学形式判别条件回归
摘要：统计学习理论中提出的支撑向量机回归(SVR)遵循了结构风险最小化原则,从而避免了一味追求经验风险最小化带来的弊端.采用扩展方法使SVR与支撑向量机分类(SVC)具有相似的数学形式,并在此基础上提出了一种用于SVR的简化SMO算法.与SVR现有的SMO算法相比,简化算法的数学形式简洁直观,在不增加算法空间和时间复杂度的前提下避免了大量繁复的判别条件,较大幅度地简化了算法实现,有利于SVR的广泛使用.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
