【翻译论文】Support-Vector Networks（1995）

已于 2022-04-27 16:52:25 修改
阅读量4k 收藏 5
点赞数
分类专栏： 读论文 文章标签： 分类 支持向量机 机器学习
于 2022-03-22 19:19:39 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Yang_Wanli/article/details/123664821
版权
本文详细介绍了支持向量机(SVM)的理论基础，包括最优超平面、软间隔概念以及内积的回旋方法。SVM通过非线性映射将数据映射到高维特征空间，构建具有良好推广能力的线性决策面。通过实验分析展示了SVM在模式识别和数字识别任务中的优秀性能，表明SVM是一种强大的通用学习机器。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

【翻译论文】Support-Vector Networks（1995）
Corinna Cortes，Vladimir Vapnik

DOI :10.1023/A:1022627411411

文章目录

摘要:

支持向量网络是一种针对两类问题的新学习机器.它的实现基于以下思想:将输入向量非线性地映射到一个很高维的特征空间.并在该特征空间中构造一个线性决策平面.该决策平面的特殊性质保证了学习机器具有很好的推广能力.支持向量网络的思想已在完全可分的训练数据集上得以实现,这里我们将它扩展到不完全可分的训练数据集.

利用多项式输入变换的支持向量网络被证明具有很好的推广能力.我们以光学字体识别为实验将支持向量网络和其他不同的经典学习算法进行了性能比较.

关键词：

模式识别, 有效的学习算法, 神经网路, 径向基函数分类器, 多项式分类器

1.介绍

60多年前,R.A.Fisher[7]提出了模式识别领域的第一个算法.该模型考虑n维向量x正态分布N(m1,∑1)和N(m2,∑2), m1 和m2为各个分布的均值向量, ∑1和∑2为各个分布的协方差矩阵,并给出最优解为如下二次决策函数:

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【机器学习教程】五、支持向量机（Support Vector Machines）
m0_68629936的博客
06-27 1065
Boser B. E., Guyon I. M., Vapnik V. N. (1992) - “A training algorithm for optimal margin classifiers”：这篇论文提出了SVM的最优间隔训练算法，并奠定了SVM理论的基础。Vapnik V. N., Cortes C. (1995) - “Support-vector networks”：这篇经典论文首次引入了SVM的基本概念和原理，并详细介绍了线性可分和线性不可分情况下的解决方法。
Support Vector Machines 支持向量机
m0_53466575的博客
04-06 1696
支持向量机的概念与数学推导
support vector networks中文翻译
09-15
vapnik的SVM论文 支持向量网络是一种针对两类问题的新学习机器.它的实现基于以下思想:将输入向量非线性地映射到一个很高维的特征空间.并在该特征空间中构造一个线性决策平面.该决策平面的特殊性质保证了学习机器具有很好的推广能力.支持向量网络的思想已在完全可分的训练数据集上得以实现,这里我们将它扩展到不完全可分的训练数据集
support vector network
何必浓墨重彩
01-26 1846
The support-vector network implements the following idea: 转自贾扬清https://www.zhihu.com/question/22290096/answer/52642714 具体地说，线性SVM的计算部分和一个单层神经网络一样，就是一个矩阵乘积。SVM的关键在于它的Hinge Loss以及maximum margin的想法。
[机器学习] Coursera笔记 - Support Vector Machines
WangBo的机器学习乐园
12-09 6092
本文主要整理自“Support Vector Machines (SVMs)”课程的笔记资料和一些经典教材，同时也参考了网上经典的关于SVM的博客，包含了SVM的一些基本概念和推导，供读者参考。
支持向量机-support vector machines
qq_36341799的博客
10-25 483
WIKI In machine learning, support vector machines (SVMs, also support vector networks[1]) are supervised learning models with associated learning algorithms that analyze data used for classification ...
【Paper Note】Support Vector Clustering 论文翻译（未完待续）
roguesir的博客
07-12 1052
Support Vector Clustering 论文翻译
常用机器学习算法经典引用文献整理
Jarvis_wxy的博客
04-03 3258
Support Vector Machine (SVM) Cortes C, Vapnik V. Support-vector networks[J]. Machine learning, 1995, 20(3): 273-297. @article{cortes1995support, title={Support-vector networks}, author={Cortes, ...
论文读书笔记-Support vector machine
无知的我
12-16 2655
论文标题：Support vector machine 这篇论文是马波老师在模式识别课上要求我们进行翻译的，讲的内容是支持向量机。考虑到既然他单独把这篇文章拿出来让我们翻译，足以见得支持向量机SVM在模式识别中的重要作用。 下面是一些摘抄： 1、        定义 首先肯定要说说SVM的定义: The basic SVM takes a set of input data and pre
【论文精读】A Support Vector Clustering Method
qq_25011449的博客
07-12 1291
A Support Vector Clustering Method 原文地址：A Support Vector Clustering Method 本文介绍了一种支持向量聚类的方法。 Abstract 本文展示了使用支持向量进行数据聚类的方法，使用核技巧将数据从低维映射到高维，在高维空间中，边界是超球面，低维中边界显示为不规则的几何形状。 Describing Cluster ...
论文笔记：Support vector domain description(Tax,Duin1999)
chenxy_bwave的专栏
10-22 1548
论文阅读笔记：David M.J. Tax, Robert P.W. Duin, Support vector domain description, PRL1999
Support Vector Machines vs. Neural Networks
青青的专栏--C/C++ OOA/D Design Pattern
11-11 885
Support Vector Machines vs. Neural Networks Out-Of-The-Box Performance-Comparison of Neural Networks and Support Vector Machines on popular Classification- and Regression-Datasets. This experiment a
SVM(Support Vector Machine)读书笔记三(Soft-margin SVM)
Jackie_Zhu的专栏
08-03 1万+
上两篇讲到了hard-margin的SVM以及kernel的原理，利用高斯kernel可以将低维空间转换到无穷维，将所有样本分开。但是如果数据中存在一定的噪声数据，SVM也会将噪声数据拟合，存在过拟合的风险。Soft-margin SVM原理就是让SVM能够容忍一定的噪声数据，以减少过拟合的风险。Hard-margin过拟合问题 先看一下上面的相同数据集中的两个模型，左图中的模型能够容忍数据中存在
【合辑】三维激光点云机载激光LiDAR论文及翻译
Yang_Wanli的博客
04-30 2241
59【翻译论文】Classification of Airborne Multispectral Lidar Point Clouds for Land Cover Mapping(2018) 用于土地覆盖制图的机载多光谱激光雷达点云的分类 58【翻译论文】Airborne Altimetric LiDAR: Principle, Data collection,processing and Applications（2008） 机载测高LiDAR：原理、数据收集、处理和应用...
深入浅出SVM（支持向量机）
lost-person的博客
02-10 8558
支持向量机是机器学习领域中经典的分类算法之一，最早由Corinna Cortes, Vladimir Vapnik于1995年提出。对原论文感兴趣的读者可下载此论文Support-Vector Network 简介 分类学习的最基本思想就是基于给定的训练集DDD，在样本空间中寻找一个划分超平面，将不同类别的样本分开。假如有一样本集D={(x1,y1),(x2,y2),…,(xm,ym)}D = ...
机器学习算法集锦
热门推荐
xiangzhihong8的专栏
02-20 1万+
机器学习机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 严格的定义：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机，电子计算机，中子计算机、光子计
支持向量机: 自然语言处理与语音识别
AI天才研究院
01-08 1003
1.背景介绍 支持向量机(Support Vector Machines，SVM)是一种广泛应用于分类和回归问题的有效算法。它的核心思想是通过寻找数据集中的支持向量来将不同类别的数据分开，从而实现模型的训练。在自然语言处理(NLP)和语音识别(ASR)领域，支持向量机是一种常用的方法，因为它能够处理高维数据和非线性边界，并且具有较好的泛化能力。 在本文中，我们将深入探讨支持向量机的核心概念、算...
支持向量回归的优化技巧与实践
AI天才研究院
01-04 1599
1.背景介绍 支持向量回归(Support Vector Regression，SVR)是一种基于支持向量机(Support Vector Machine，SVM)的回归模型，它在处理小样本量和高维数据时具有较好的泛化能力。SVR 的核心思想是通过寻找支持向量来构建一个分离超平面，从而实现对不确定的函数关系的建模。在实际应用中，SVR 广泛用于机器学习、数据挖掘和人工智能等领域，例如预测、分类、...
svm原始论文
最新发布
03-22
支持向量机（SVM）是由 Corinna Cortes 和 Vladimir Vapnik 在 1995 年首次提出的经典分类算法之一[^1]。如果想查找 SVM 的原始论文，可以参考他们发表的文章《Support-Vector Networks》。这篇论文详细介绍了 SVM 的核心概念及其数学基础。 对于希望深入了解 SVM 的研究者来说，《Support-Vector Networks》是一篇重要的学术资源。它不仅定义了 SVM 的基本框架，还探讨了其在高维空间中的表现形式以及如何通过核函数实现非线性分类[^4]。 以下是获取该论文的一些方法： 1. 可以访问各大知名学术数据库，例如 SpringerLink 或 IEEE Xplore，在这些平台上通常能够找到并下载原文献。 2. 利用 Google Scholar 进行检索也是一种有效的方式。“Support-Vector Networks”作为一篇具有里程碑意义的经典文章，被广泛引用且容易查到。 3. 如果所在机构有订阅相关期刊服务，则可以直接通过图书馆网站获得全文权限。 ```python import requests def fetch_paper(url): try: response = requests.get(url) if response.status_code == 200: with open('support_vector_networks.pdf', 'wb') as file: file.write(response.content) print("Paper downloaded successfully.") else: print(f"Failed to download paper. Status code: {response.status_code}") except Exception as e: print(e) # Example URL of the original paper (replace this link accordingly when you find it) paper_url = "https://link.springer.com/content/pdf/10.1007/BF00994018.pdf" fetch_paper(paper_url) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

氧艺

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值