资源描述：
《SVM和ANN的比较》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、基于ANN与SVM的分类和回归比较研究1,21林关成,李亚安（1.西北工业大学航海学院,陕西西安710072;2.渭南师范学院传媒工程系,陕西渭南714000）摘要：支持向量机是一种基于统计学习理论的新型机器学习方法，广泛应用于解决分类和回归问题。由于其出色的学习性能，已成为当前国际机器学习界的研究热点。介绍了支持向量机与人工神经网络的基本原理，从理论上对人工神经网络与支持向量机的学习方法进行了分析与比较，并对二者进行了分类和回归方面的性能仿真。结果表明，虽然支持向量机和人工神经网络模型都表现了较好的分类
2、能力，但支持向量机的回归能力高于人工神经网络方法，且在计算机速度上有人工神经网络无法比拟的优势。关键词：人工神经网络；支持向量机；统计学习理论；分类；回归中图分类号：TP18文献标识码：A文章编号：ResearchontheComparisonArtificialNeuralNetworkwithSupportVectorMachineforClassificationandRegression1,21LinGuan-cheng,LiYa-an(1.CollegeofMarine,Northwestern
3、PolytechnicalUniversity,Xi'an,710072,China;2.DepartmentofMediaandCommunicationsEngineering,WeinanTeachersCollege,Weinan714000，Shaanxi)Abstract:Supportvectormachine(SVM)isanewlydevelopedmachinelearningalgorithm.Basedonstatisticlearningtheory,ithasbeensucce
4、ssfullyusedforsolvingclassificationandregressionproblems.Becauseoftheirexcellentlearningperformance,ithasbecomethehotspotofmachinelearning.ThepaperfirstlydealswiththeintroductionofthebasictheoryofSVMandartificialneuralnetwork(ANN)inbrief.Andthenitanalyses
5、andcomparesthelearningabilityofSVMandANN.Simulationresultsindicatethatbothmethodsareabletodoclassificationandregressionwithrobustness.FurthermoretheSVMisbetterthanANNintheabilityofregressing,especiallyincomputingspeed.Keywords:ANN；SVM；Statisticlearningthe
6、ory；Classification；Regression1引言基于数据的机器学习是现代智能技术中的广泛应用于文本挖掘、语音识别、图像处理等研重要方面，研究从观测数据(样本)出发寻找规究问题中。律，利用这些规律对未来数据或无法观测的数据人工神经网络与支持向量机虽然在结构上进行预测。人工神经网络(ArtificialNeural具有一定的相似之处，但由于它们产生的背景不Network,ANN)和支持向量机(SupportVector同，导致两种机器学习方法有着较大的差异，二Machine,SVM)是目前广泛
7、使用的机器学习方者的区别与联系是广大工程技术人员在应用时法。ANN是由大量简单的神经元相互连接，模非常关心的问题。拟人的大脑神经处理信息的方式进行信息并行2人工神经网络处理和非线性转换的复杂网络系统，它是以经验风险最小化原则进行的。ANN已广泛应用于人人工神经网络是由大量处理单元(即神经元)工智能、非线性动力学等研究领域中，并取得较广泛互连而成的网络，是对人脑的抽象、简化和[1]好的效果。而SVM是基于统计学习理论提出模拟，从而实现了对复杂信息的处理与存储，并[2]的一种新的机器学习方法，基于结构风险最小
8、表现出各种优越的特性。其中神经元的数学模化(SRM,StructuralRiskMinimization)的参数训型、神经网络的连接方式以及神经网络的学习方练方式使得其具有良好的泛化推广能力，目前已式是决定神经网络信息处理性能的三大要素，神经网络起着至关重要的作用。在现实应用中，神经网络是由相对少量的神经元按一定规律连接而成的网络，网络中的神经元称为节点，每个节点均具有相同的结构。神经元是神经网络的基本处理单元，一般表现为一个
