支持向量机的分类 ——基于乳腺组织电阻抗特性的乳腺癌诊断

资 源 简 介

（1）SVM 是专门针对小样本问题而提出的，其可以在有限样本的情况下获得最优解； （2）SVM 算法最终将转化为一个二次规划问题，从理论上讲可以得到全局最优解，从而解 决了传统神经网无法避免局部最优的问题； （3）SVM 的拓扑结构由支持向量决定，避免了传统神经网络需要反复试凑确定网络结构的

详 情 说 明

（1）SVM 是专门针对小样本问题而提出的，其可以在有限样本的情况下获得最优解； （2）SVM 算法最终将转化为一个二次规划问题，从理论上讲可以得到全局最优解，从而解 决了传统神经网无法避免局部最优的问题； （3）SVM 的拓扑结构由支持向量决定，避免了传统神经网络需要反复试凑确定网络结构的。

SVM分类器具有以下几个显著特点：（1）SVM是专门为小样本问题设计的，这意味着即使在数据有限的情况下，也能找到最优解。（2）SVM算法将问题转化为二次规划问题，理论上可以得到全局最优解，从而解决了传统神经网络容易陷入局部最优的问题。（3）SVM的拓扑结构由支持向量决定，这样就避免了传统神经网络需要反复试错来确定网络结构的麻烦。