模糊邻域风险最小化算法

摘要：

@@ 1引言
由Vapnik等[1]提出的支持向量机(SupportVector Machines,简记为SVM)是一种基于统计学习和结构风险最小化原理的新型学习机器.SVM作为一种新型神经网络,将待解决的问题转化为一个二次规划问题,从而克服了传统神经网络的隐层节点选择难和可能陷入的局部极小化问题.目前,SVM已被广泛地应用于模式识别[2]、回归估计[3]和各类金融时间序列预测问题[4]中.

机标关键词：模糊、邻域风险、神经网络、金融时间序列、二次规划问题、支持向量机、极小化问题、预测问题、学习机器、统计学习、模式识别、节点选择、回归估计、风险最小、转化、原理、应用、局部、结构

所属期刊栏目：31

分类号：TP3(计算技术、计算机技术)

资助基金：云南省自然科学基金2003E0086M;云南省教育厅,云南省环境科学与工程创新人才联合培养基地项目02ZY011;云南大学校科研和教改项目2002Q019SL

在线出版日期：2005-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：200-202,205