精选优质文档-倾情为你奉上支持向量机与神经网络算法的对比分析 作者：刘梦绮来源：科学导报学术2019年第14期摘要：统计学习理论建立在结构风险最小化原则基础上，专门针对小样本下的机器学习问题而建立的一套新的学习理论体系。基于统计学习理论的算法具有理论完整、全局优化、适应性强、推广能力好等优点，是机器学习研究的新热点。本文首先研究了支持向量机的基本理论，接着对支持向量机算法和神经网络算法进行了全面性能比较。最后对文章整体做出总结，并写出了自己的感悟。引言分类一直是数据挖掘、机器学习1 和模式识别中一个重要的研究领域。随着计算能力、存储、网络的高速发展，更需要发现更深层次的规律，对决策，商务应用提供更加有效的支持。为了满足这种需求，数据挖掘技术得到了长足的发展，而分类在数据挖掘中是一项非常重要的任务。分类算法历来受到许多领域研究者的关注。传统的机器学习分类算法，如支持向量机等，慢慢不像十多年前那么火热。但在进行小数据样本处理时，支持向量机算法展现出基于大数据样本的深度学习无法取代的优势
