论文部分内容阅读
基于统计学习理论的支持向量机(Support vector machines,SVM)以其优秀的学习能力受到广泛的关注。但传统支持向量机在处理大规模二次规划问题时会出现训练时间长、效率低下等问题。对SVM训练算法的最新研究成果进行了综述,对主要算法进行了比较深入的分析和比较,指出了各自的优点及其存在的问题,并且着重介绍了目前研究的新进展———模糊SVM和粒度SVM。接着论述了SVM主要的两方面应用———分类和回归。最后给出了今后SVM研究方向的预见。