论文部分内容阅读
支持向量机SVM(Support Vector Machine)是一种新的机器学习算法,它的基础是Vapnik的统计学习理论SLT(Statistical Learning Theory),是统计学习理论中最年轻的分支.与传统的学习方法(如神经网络)相比,该理论采用了结构风险最小化准则,在减小样本点误差的同时,提高了模型的泛化能力.本文通过对SVM和BP网络在回归估计中的应用比较,研究了SVM的小样本学习能力及其泛化性能.