1) statistical learning theory
统计学习理论
1.
Potential prediction of enhanced oil recovery based on statistical learning theory;
基于统计学习理论的提高采收率潜力预测
2.
Theoretical foundations of statistical learning theory of birandom samples;
基于双重随机样本的统计学习理论的理论基础
3.
Outline and application of statistical learning theory;
统计学习理论的原理与应用
2) Statistic learning theory
统计学习理论
1.
The support vector machine(SVM),put forward by some researchers and Vapnik,is a new machine learning algorithm,based theoretically on statistic learning theory.
支持向量机(Support Vector Machine,SVM)是由Vapnik等人提出的一种基于统计学习理论的新型机器学习算法;而人工神经网络(Artificial Neural Network,ANN)已经成功用于解决模式识别和任意非线性函数回归估计问题中。
2.
For the first time,least squares support vector machine based on statistic learning theory was used to do this work Experiments based on this method.
指出了用叶绿素a的浓度估计海洋初级生产力的重要作用;分析了目前采用的浓度反演方法的不足;尝试将基于统计学习理论的最小二乘支持向量机用于浓度反演,SeaBAM的数据实验结果表明该方法可以获得更高的反演精度;可以有效避免过学习的情况出现;不像神经网络那样需要确定网络结构。
3.
Support vector machine is a new machine learning algorith m, based theoretically on statistic learning theory created by Vapnik.
支持向量机是一种新的机器学习算法 ,它的理论基础是 Vapnik创建的统计学习理论。
3) statistics learning theory
统计学习理论
1.
Support vector machine is a new learning machine, and it is based on the statistics learning theory.
支持向量机是最近发展起来的一种新的通用的机器学习方法 ,其理论基础是统计学习理论 ,支持向量机无论在模式识别还是在函数拟合方面均显示了其优越性 ,并越来越受到国内外研究者的广泛关注 。
2.
Statistics Learning Theory (SLT) is a machine learning method based on solid theory, which is developed from traditional statistics and turns to be sophisticated system info ---- Statistics Learning Theory since 90’s in 20 century.
统计学习理论是在传统统计学基础上发展起来的一种具有坚实理论基础的机器学习方法,自20世纪90年代以来,自身形成了一个较完善的理论体系——统计学习理论,提出了新的模式识别方法——支持向量机(SVM)。
3.
Based on Statistics Learning Theory, the method seeks for optimal learning effect under limited information by actual risk minimization with structure risk minimization.
支持向量机(Support Vector Machine,SVM)是由Vladimir Naumovich Vapnik等学者于1992年提出的一类新型机器学习方法,该方法以统计学习理论为理论体系,通过寻求结构风险最小化实现学习的真实风险最小化,追求在有限信息条件下得到最佳的学习效果,具有全局最优、结构简单、推广能力强等优点。
4) SLT
统计学习理论
1.
This paper firstly introduces some concepts of SLT and SVM, then.
支持向量机(SVM)是在统计学习理论的基础上发展起来的一种新的机器学习方法，它基于结构风险最小化原则，能有效地解决过学习问题，具有良好的推广性能和较好的分类精确性。
2.
Statistical learning theory (SLT) is introduced to intrusion detection (ID) and an ID method based upon support vector machine (SVM) is presented in this paper.
将统计学习理论引入入侵检测研究中 ,提出了一种基于支持向量机的入侵检测方法 (SVM BasedID) 针对入侵检测所获得的高维小样本异构数据集 ,将SVM算法在这种异构数据集上进行推广 ,构造了基于异构数据集上HVDM距离定义的RBF形核函数 ,并基于这种核函数将有监督的C SVM算法和无监督One ClassSVM算法用于网络连接信息数据中的攻击检测和异常发现 ,通过对DARPA数据的检测试验结果表明提出的方法是可行的、高效
3.
Statistical learning theory (SLT) is based on the structural risk minimization (SRM) principle, and is a new set of theory system, which specially aims at machine learning issues under the circumstances of small-sample.
统计学习理论建立在结构风险最小化原则基础上,它是专门针对小样本情况下的机器学习问题而建立的一套新的理论体系。
5) statistical learning theory (SLT)
统计学习理论
1.
The basic statistical learning theory (SLT) and its corresponding algorithms, support vector machines (SVMs), are surveyed, and especially, its latest research results are summarized and studied.
为了系统地归纳统计学习理论与支持向量机的基本思想和算法,总结目前该领域的最新研究成果。
2.
The highlights of statistical learning theory (SLT), the principle and the crucial elements of support vector machine (SVM) were introduced, and the method for flood forecast modeling based on support vector machine was discussed.
对统计学习理论和支持向量机的基本内容和核心思想进行了简要的介绍,探讨了基于支持向量机的洪水预报模型的建模方法。
3.
The Traditional Statistics is a gradual theory which the amount of specimen is tending to infinite, while Statistical Learning Theory (SLT) is a theory at the condition of small specimen amount.
传统统计学研究的是样本数目趋于无穷大时的渐进理论,而统计学习理论研究的是小样本条件下的学习理论。
6) Statistical learning theory(SLT)
统计学习理论(SLT)
补充资料：学习理论
揭示发生学习机制的心理学理论，简称学习论。一般说来,关于学习的知识可以采取科学方法逐步积累。这些知识经过充分检验可以表述为学习的原理。当这些原理按某种合理的方式组织起来的时候，就构成学习的模式。模式的精制即是众所周知的学习论。学习的原理、模式或理论形成以后,往往可以在一段时间内日趋完善,也可能出现新的形式。
学习论的心理学探索开始于19世纪末20世纪初。到20世纪30～40年代，学习论进入了全盛时期。许多心理学家如E.托尔曼、B.F.斯金纳等对学习的研究，主要受E.L.桑代克、И.Π.巴甫洛夫与格式塔心理学家的影响。学习论在国外特别在美国的心理学领域中占有较重要的地位,形成了两大对立的学派:联结理论（行为主义理论）和认知理论（格式塔理论）。两派理论的对立有其哲学的根源。学习论与哲学家所关注的认识论有密切的关系。哲学家对人们的认识是怎样产生的，经验与脑的组织之间的关系如何等问题一直持有不同的见解。经验论者主张经验是认识的唯一源泉，假设一切复杂的观念统由简单观念的基本材料构成，头脑像是一架由简单元件组成的机器。理性论者主张理性是知识的最初源泉，强调知觉经验的组织与关系，相信感性材料是按照头脑开始时具备的关于先天知觉的某些假定而作出解释的。这两种见解为学习论的分类与比较提供了重要背景。一切联结理论，如桑代克的联结主义、巴甫洛夫的经典条件反射、J.B.华生的行为主义、C.赫尔的系统行为说，E.R.格思里的接近条件反射，以及斯金纳的操作性条件反射，都可归入经验主义的范畴。认知理论，如M.韦特海默、K.科夫卡和W.克勒的格式塔学习论、K.勒温的场论以及J.皮亚杰和J.布鲁纳的认知发展说，基本上应归入理性主义的范畴。此外，像托尔曼的认知心理学在一些重要问题上采取骑墙态度，R.M.加涅的层次说基本上也采取综合的立场（见学习分类学说）。
联结理论和认知理论的分歧主要表现在3方面:①外周机制与中枢机制之争。联结理论家侧重于以运动（反应）中介物作为顺序分明的一系列行为的调整者，这属于外周机制。认知理论家则认为中枢中介作用──大脑过程是有目的行为的调整者。②习惯的获得与认知结构的获得之争。联结理论家认为个体习得的是"习惯",认知理论家则认为是"认知结构"。③解决问题中试误与顿悟之争。人们遇到新问题时是如何找到解答的？联结理论家认为是借助于尝试与错误（简称试误），即试验、失败、再试验......直至问题获得解决；认知理论家则认为是通过理解问题中的基本关系而导致的顿悟。前者倾向于以过去经验作为解决问题的根源，后者则注意当前问题的结构。
70年代以来，许多心理学家越来越认清学习现象的复杂性，承认要建立解释众多学习现象的大型理论是不现实的。当前存在3种趋向:①出现两派互相吸取导致螺旋式上升的发展动向；②提出许多小型理论，尤其是采用数学分析、信息加工等新技术而提出了诸如学习的信息加工说、刺激样组说等理论；③探讨学习论与课程论、教学论的关系，注意学习论在教育实践中的应用。学习论的研究对于深入理解学习过程的实质及其在实践中的作用，无疑是有价值的。已有的各种理论，从总体上看各有其合理的成分，但他们都未能提供一个无懈可击的体系。
参考书目
E.R.Hilgard and G.H. Bower, Theories of Learning,4th ed.,Appleton-Century-Crofts,New York,1975.
学习论的心理学探索开始于19世纪末20世纪初。到20世纪30～40年代，学习论进入了全盛时期。许多心理学家如E.托尔曼、B.F.斯金纳等对学习的研究，主要受E.L.桑代克、И.Π.巴甫洛夫与格式塔心理学家的影响。学习论在国外特别在美国的心理学领域中占有较重要的地位,形成了两大对立的学派:联结理论（行为主义理论）和认知理论（格式塔理论）。两派理论的对立有其哲学的根源。学习论与哲学家所关注的认识论有密切的关系。哲学家对人们的认识是怎样产生的，经验与脑的组织之间的关系如何等问题一直持有不同的见解。经验论者主张经验是认识的唯一源泉，假设一切复杂的观念统由简单观念的基本材料构成，头脑像是一架由简单元件组成的机器。理性论者主张理性是知识的最初源泉，强调知觉经验的组织与关系，相信感性材料是按照头脑开始时具备的关于先天知觉的某些假定而作出解释的。这两种见解为学习论的分类与比较提供了重要背景。一切联结理论，如桑代克的联结主义、巴甫洛夫的经典条件反射、J.B.华生的行为主义、C.赫尔的系统行为说，E.R.格思里的接近条件反射，以及斯金纳的操作性条件反射，都可归入经验主义的范畴。认知理论，如M.韦特海默、K.科夫卡和W.克勒的格式塔学习论、K.勒温的场论以及J.皮亚杰和J.布鲁纳的认知发展说，基本上应归入理性主义的范畴。此外，像托尔曼的认知心理学在一些重要问题上采取骑墙态度，R.M.加涅的层次说基本上也采取综合的立场（见学习分类学说）。
联结理论和认知理论的分歧主要表现在3方面:①外周机制与中枢机制之争。联结理论家侧重于以运动（反应）中介物作为顺序分明的一系列行为的调整者，这属于外周机制。认知理论家则认为中枢中介作用──大脑过程是有目的行为的调整者。②习惯的获得与认知结构的获得之争。联结理论家认为个体习得的是"习惯",认知理论家则认为是"认知结构"。③解决问题中试误与顿悟之争。人们遇到新问题时是如何找到解答的？联结理论家认为是借助于尝试与错误（简称试误），即试验、失败、再试验......直至问题获得解决；认知理论家则认为是通过理解问题中的基本关系而导致的顿悟。前者倾向于以过去经验作为解决问题的根源，后者则注意当前问题的结构。
70年代以来，许多心理学家越来越认清学习现象的复杂性，承认要建立解释众多学习现象的大型理论是不现实的。当前存在3种趋向:①出现两派互相吸取导致螺旋式上升的发展动向；②提出许多小型理论，尤其是采用数学分析、信息加工等新技术而提出了诸如学习的信息加工说、刺激样组说等理论；③探讨学习论与课程论、教学论的关系，注意学习论在教育实践中的应用。学习论的研究对于深入理解学习过程的实质及其在实践中的作用，无疑是有价值的。已有的各种理论，从总体上看各有其合理的成分，但他们都未能提供一个无懈可击的体系。
参考书目
E.R.Hilgard and G.H. Bower, Theories of Learning,4th ed.,Appleton-Century-Crofts,New York,1975.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条