支持向量機(jī)算法和軟件ChemSVM是一款教學(xué)軟件，它是支持向量機(jī)算法和軟件，可以解決小樣本難題。體積小，但功能強(qiáng)大。界面非常清爽，簡(jiǎn)單易操作。LnI紅軟基地

軟件功能

支持向量機(jī)算法和軟件ChemSVM由于計(jì)算機(jī)技術(shù)的發(fā)展，機(jī)器學(xué)習(xí)(包括線性和非線性回歸、人工神經(jīng)網(wǎng)絡(luò)、模式識(shí)別算法等)已成為處理化學(xué)化工數(shù)據(jù)，總結(jié)經(jīng)驗(yàn)規(guī)律，據(jù)以預(yù)報(bào)未知或控制生產(chǎn)過程的常規(guī)手段。但是，傳統(tǒng)的機(jī)器學(xué)習(xí)算法都以經(jīng)典統(tǒng)計(jì)數(shù)學(xué)的漸近理論為依據(jù)。該理論的大數(shù)定理規(guī)定:統(tǒng)計(jì)規(guī)律只有在已知樣本數(shù)無限多時(shí)才顯露出來。但化學(xué)化工實(shí)際工作中已知樣本總是有限的。忽視這一矛盾是造成實(shí)際計(jì)算中過擬合弊病的重要原因。針對(duì)經(jīng)典統(tǒng)計(jì)數(shù)學(xué)這一弱點(diǎn)，Vapnik學(xué)派提出了“統(tǒng)計(jì)學(xué)習(xí)理論”和“支持向量機(jī)算法”。新算法既能處理非線性問題，又能抑制傳統(tǒng)算法(如人工神經(jīng)網(wǎng)絡(luò)等)常遇到的過擬合弊病。本�？�中的論文系列工作表明:支持向量機(jī)算法在分析化學(xué)的多變量校正、數(shù)據(jù)處理、商品檢驗(yàn)、相圖和新化合物的計(jì)算機(jī)預(yù)報(bào)、新材料制備的實(shí)驗(yàn)設(shè)計(jì)、環(huán)境污染的建模和預(yù)報(bào)，以及分子設(shè)計(jì)，藥物設(shè)計(jì)等領(lǐng)域的應(yīng)用都有良好效果。在多數(shù)情況下所建的數(shù)學(xué)模型較傳統(tǒng)算法的結(jié)果有更好的預(yù)報(bào)正確率。這一新算法將會(huì)成為化學(xué)、化工領(lǐng)域數(shù)據(jù)處理廣泛應(yīng)用的新計(jì)算工具。LnI紅軟基地

軟件特色

1、不需要很多樣本，不需要有很多樣本并不意味著訓(xùn)練樣本的絕對(duì)量很少，而是說相對(duì)于其他訓(xùn)練分類算法比起來，同樣的問題復(fù)雜度下，SVM需求的樣本相對(duì)是較少的。并且由于SVM引入了核函數(shù)，所以對(duì)于高維的樣本，SVM也能輕松應(yīng)對(duì)。LnI紅軟基地
2、結(jié)構(gòu)風(fēng)險(xiǎn)最小。這種風(fēng)險(xiǎn)是指分類器對(duì)問題真實(shí)模型的逼近與問題真實(shí)解之間的累積誤差。LnI紅軟基地
3、非線性，是指SVM擅長(zhǎng)應(yīng)付樣本數(shù)據(jù)線性不可分的情況，主要通過松弛變量（也叫懲罰變量）和核函數(shù)技術(shù)來實(shí)現(xiàn)，這一部分也正是SVM的精髓所在。LnI紅軟基地

軟件說明

Vladimir N.Vapnik等提出的統(tǒng)計(jì)學(xué)習(xí)理論(statistical learning theory，簡(jiǎn)稱SLT)和支持向量機(jī)(support vector machine，簡(jiǎn)稱SVM)算法已取得令人鼓舞的研究成果。本文旨在對(duì)這一新理論和新算法的原理作一介紹，并展望這一計(jì)算機(jī)學(xué)界的新成果在化學(xué)化工領(lǐng)域的應(yīng)用前景。LnI紅軟基地

軟件截圖

LnI紅軟基地