高维
-
核Fisher鉴别分析方法（KFDA）
核Fisher鉴别分析方法（KFDA）。KFDA方法的基本思想是首先将原始训练样本通过一个非线性映射 映射到某一高维(可能是无限维)特征空间F中，然后在F中执行Fisher鉴别分析。 -
支持向量回归
支持向量机(Support Vector Machine，SVM)是Corinna Cortes和Vapnik等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 在机器学习中，支持向量机（SVM，还支持矢量网络）是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。 -
