论文部分内容阅读
支持向量机器(SVM ) 在模式识别和回归的评价显示出大潜力。由于工业开发要求，例如当模特儿的发酵进程，在逐渐地大的样品集合上改进训练性能是一个重要问题。然而，解决一个大优化问题是计算地集中的并且记忆集中。在这份报纸， SVM 回归(SVR ) 的几何解释被导出，并且 -SVM 为 L1 标准和 L2 标准惩罚 SVR 被扩大。进一步，吉伯算法，一个著名几何算法，被修改解决 SVR 问题。理论分析显示训练几何算法的介绍 SVR 为 SVM 分类有象他们的相应算法的一样的集中和计算的几乎相同的费用。试验性的