支持向量机下机器学习模型的分析

journal6 ›› 2010, Vol. 31 ›› Issue (3): 39-42.

支持向量机下机器学习模型的分析

（1.吉首大学数学与计算机科学学院，湖南吉首 416000；2.湘西民族职业技术学院，湖南吉首 416000）

出版日期:2010-05-25 发布日期:2012-04-17
作者简介:李海（1974-），男，湖南益阳人，吉首大学数学与计算机科学学院实验师，主要从事计算机人工智能与算法研究.
基金资助:
湖南省教育厅重点项目（09JD024）；吉首大学校级课题资助（09JD024）

Analysis of Machine Learning Model Based on Support Vector Machine

(1.College of Mathematics and Computer Science,Jishou University,Jishou 416000,Hunan China;2.Xiangxi Vocational and Technical College for Nationalities,Jishou 416000,Hunan China)

Online:2010-05-25 Published:2012-04-17

摘要/Abstract

摘要：首先概述了支持向量机的发展与应用，指出其在机器学习领域有较大的发展前景.分析了支持向量机的基本算法，进而阐述了基于支持向量机的机器学习模型构造思路.给出了其应用于机器学习模型的核函数和训练算法，最后给出了学习模型的具体分类效果.

关键词： 机器学习, 人工智能, 支持向量机, 模式识别

Abstract: The development of support vector machines (SVM) is firstly summarized.Its application in machine learning has great prospects.The basic SVM algorithm is analyzed,and the ideas of constructing machine learning based on SVM are presented.The kernel function and training algorithm of applying SVM in the machine learning model are put forward.Lastly,the classifying effect of the learning model is shown.

Key words: machine learning, artificial intelligence, support vector machine, pattern recognition

李海, 李春来, 侯德艳. 支持向量机下机器学习模型的分析[J]. journal6, 2010, 31(3): 39-42.

LI Hai, LI Chun-Lai, HOU De-Yan. Analysis of Machine Learning Model Based on Support Vector Machine[J]. journal6, 2010, 31(3): 39-42.

[1]	曲洪权, 刘欲哲, 庞丽萍, 单一平. 基于视觉和操作类脑电信号的脑力负荷分类[J]. 吉首大学学报（自然科学版）, 2022, 43(1): 31-37.
[2]	谢静, 杨盘隆, 魏星. 自适应跌倒前实时检测方法[J]. 吉首大学学报（自然科学版）, 2021, 42(3): 34-40.
[3]	龙沁圆, 梅钢, 田红, 徐能雄. 高温作用后砂岩物理力学性质阈值温度的确定——基于机器学习算法[J]. 吉首大学学报（自然科学版）, 2020, 41(6): 45-50.
[4]	谭成兵，詹林，晏立，陈波. 实现记忆检索和回忆中漫游的一种计算AM模型（论文撤稿）[J]. 吉首大学学报（自然科学版）, 2020, 41(1): 9-16.
[5]	邱国枢，张翔，刘军，王蕾，田青，郭建华. 基于图像处理的车辆识别系统设计[J]. 吉首大学学报（自然科学版）, 2019, 40(5): 18-24.
[6]	王军. 安徽省某地区中长期电力负荷预测[J]. 吉首大学学报（自然科学版）, 2018, 39(6): 46-49.
[7]	彭思江，戴厚平，周成富，刘倩. 基于HOG/PCA/SVM的跨年龄人脸识别算法[J]. 吉首大学学报（自然科学版）, 2018, 39(5): 24-28.
[8]	陈丽，王景芹. 可靠性约束函数未知的网路费用最小化快速求解[J]. 吉首大学学报（自然科学版）, 2016, 37(4): 19-24.
[9]	杜经纬. 基于支持向量机的P2P流量管理模型设计[J]. journal6, 2015, 36(4): 26-29.
[10]	申瑛, 杨焕志, 张振彬, 曾庆欢李平, 陈炳权, 张榜英. 基于活动轮廓与模糊型支持向量机的车辆分类算法[J]. journal6, 2015, 36(2): 55-59.
[11]	彭华, 莫礼平, 唐赞玉. CVE漏洞分类框架下的SVM学习模型构建[J]. journal6, 2013, 34(4): 62-66.
[12]	彭华, 李宗寿. 基于SVM的CVE漏洞分类框架构造[J]. journal6, 2013, 34(1): 66-71.
[13]	向昌盛, 周子英. 基于支持向量机的混沌时间序列预测[J]. journal6, 2009, 30(6): 35-39.
[14]	李建锋, 吴尹. 基于Delphi实现的多级模糊模式识别的评价系统[J]. journal6, 2006, 27(6): 42-45.
[15]	张震, 李军利. 机器学习方法及其在生物信息学中的应用[J]. journal6, 2006, 27(4): 28-32.