统计学习理论及SVM算法研究
论文的主要内容包括:从统计学习理论的统计基础开始着手,与经典模式识别相比较,从中可以看到统计思想的发展进步:从统计学的大数定律到泛函空间的大数定律;从大样本假定到小样本理论.基于小样本归纳原则,分析SVM方法和Boosting方法,归纳出统计学习算法的设计规范.并据此,设计出解决不确定分类问题的后验概率支持向量机.核技巧是SVM得以成功的一个重要因素,我们从特征映射的角度进行核的研究,并将之应用于其他成功的方法中.在论文的最后部分,我们还讨论适应于大规模数据的学习算法.
统计学习理论;经验风险最小化;结构风险最小化;统计学习算法;特征映射;支持向量机;Boosting
中国科学院自动化研究所
博士
模式识别与智能系统
王珏
2003
中文
O235
95
2004-04-08(万方平台首次上网日期,不代表论文的发表时间)