基本信息

---

下载

文档摘要

---

支持向量机与非负矩阵分解：原理、应用与比较分析

一、引言

1.1研究背景

在当今数字化时代，数据量呈爆炸式增长，如何从海量数据中提取有价值的信息成为了众多领域面临的关键问题。机器学习作为人工智能的核心领域，旨在让计算机通过数据学习模式和规律，从而实现对未知数据的预测和决策。在众多机器学习算法中，支持向量机（SupportVectorMachine，SVM）和非负矩阵分解（Non-NegativeMatrixFactorization，NMF）以其独特的优势和广泛的应用领域，占据了重要的地位。

支持向量机最初由Vapnik等人在20世纪90年代提出，它基于统计学习理论，