沈刚
- 作品数：1 被引量：12H指数：1
- 供职机构：中钢集团马鞍山矿山研究院有限公司更多>>
- 相关领域：环境科学与工程更多>>
- SVM与ANN在湖泊富营养化评价中的对比研究被引量：12
- 2012年
- 支持向量机是由Vapnik等提出的建立在统计学习理论基础上的一种新的机器学习方法,由于其使用结构风险最小化原则代替经验风险最小化原则,又由于其应用了核函数思想,它可以较好地解决非线性问题;人工神经网络(ANN)已经较成功解决模式识别和任意非线性函数回归问题,但是存在训练样本不足,并可能出现过拟合现象。SVM的结构风险最小化算法引起了科学界的关注,对传统基于经验风险最小化的神经网络算法提出了挑战,文章介绍了SVM和ANN的基本原理,并对二者在巢湖富营养化水平评价上做对比研究,结果表明,ANN比较容易陷入局部最优,支持向量机评价结果更加符合实际。
- 杨道军王冉沈刚
- 关键词：支持向量机核函数富营养化
