基本信息
文件名称：基于支持向量机的预测方法模型文献综述.ppt
文件大小：550.54 KB
总页数：12 页
更新时间：2026-01-09
总字数：约1.33千字
文档摘要
基于支持向量机
的预测方法模型文献综述
支持向量机的提出支持向量机(supportvectormachine,svm)是Vapnik等人于1995年在完整的统计学习理论的基础上提出的一种新的机器学习方法。思想新SVM是一种新兴的机器学习方法，在许多领域具有广阔的应用潜力，目前仍处于发展阶段。方法优SVM采用结构风险最小化准则，具有很好的学习能力，尤其是泛化能力，克服了“维数灾难”和“过学习”，而且效率高，结构简单。应用广SVM已广泛应用于时间序列分析、回归分析、聚类分析、动态图像的人脸跟踪、信号处理、语音识别、图像分析和控制系统等诸多领域。
支持向量机的原理假设样本集为(x1，y1