出版物

此文件夹包含以下出版物参考，按年份和作者排序。

这个书目文件夹中有357篇参考文献。

Baudat，G和Anouar，F（华盛顿特区，2001年7月15日至19日）。
基于核的方法与函数逼近
摘自：国际神经网络联合会议，第1244-1249页。

T.、VG、J.A.K.、S、G.、L、A.、L、B.、DM和J.、V（2002年5月）。
最小二乘支持向量机分类器、高斯过程和核Fisher判别分析的贝叶斯框架
神经计算，14（5）：1115-1147。

T.、VG、J.、S、B.、DM和J.、V（2001年7月）。
最小二乘支持向量机分类器的自动相关性判定
In：程序。国际神经网络联合会议，IJCNN'01，美国华盛顿特区，第2416-2421页。

T.、VG、J.、S、G.、L、A.、L、B.、DM和J.、V（2002年2月）。
多类LS-SVM：中等输出和编码解码方案
《神经处理快报》，15（1）：45-48。

J·苏肯斯（2001年8月）。
支持向量机：非线性建模和控制的视角
《欧洲控制杂志》，控制中基本问题专刊，7（2-3）：311-327。

T.、VG、J.、S、Jr.、DB、B.、DM和J.、V（2001年8月）。
核典型相关分析与最小二乘支持向量机
In：程序。人工神经网络国际会议（ICANN 2001），奥地利维也纳，第381-386页。

T.、VG、J.、S、B.、DM和J.、V（2001年4月）。
最小二乘支持向量机分类器的相关性自动确定
In：程序。欧洲人工神经网络研讨会（ESANN’2001），比利时布鲁日，第13-18页。

Ben-Hur，A，Ong，C，Sonnenburg，S，Schölkopf，B和Rätsch，G(2008).
计算生物学的支持向量机和内核
公共科学图书馆计算生物学，4。

T·霍夫曼、B·舍尔科夫和AJ·斯莫拉(2008).
机器学习中的核心方法
《统计年鉴》，36:1171-1220。

CE拉斯穆森和CK威廉姆斯(2006).
机器学习的高斯过程

郑文明，LZ和邹，C(2005).
基于核的Foley-Samon最优鉴别向量
IEEE神经网络汇刊，16（1）：1-9。

伯格斯，C(2004).
特征提取和降维的几何方法：导览
.

哈默斯，B(2004).
大规模应用的内核模型
博士论文。

蒙泰罗，广告(2004).
利率曲线估计：支持向量回归的金融应用
.

拉莱沃拉，L和德阿尔奇-布，F(2004).
非线性时间序列的核动力学建模
输入：。

西格，M(2004).
机器学习的高斯过程
国际神经系统杂志，14（2）：1–38。

郑文明，LZ和邹，C(2004).
一种改进的广义鉴别算法
神经计算，16（6）：第1283-1297页。

密特拉（Mitra，P）、墨西（Murthy，CA）和帕尔（Pal，SK）（2003年（待发布））。
一种概率主动支持向量学习算法
IEEE传输。模式分析和机器智能。

Baudat，G和Anouar，F(2003).
基于核的特征向量选择与投影
神经计算，55（1-2）：21-38。

Chen，P，Lin，C和Schölkopf，B(2003).
$\nu$-支持向量机教程
..

Chew，H，Lim，C和Bogner，R(2003).
训练双nu支持向量机的实现
收录于：《优化与控制与应用》，编辑：Qi and Teo and Yang，Kluwer。

Christmann，A和Steinwart，I(2003).
模式识别凸风险最小化方法的鲁棒性
.

LK费沙和DD李(2003).
支持向量机中非负二次规划的乘法更新
摘自：《神经信息处理系统进展》第15版，苏珊娜·贝克尔、塞巴斯蒂安·特伦和克劳斯·奥伯迈尔主编，马萨诸塞州剑桥，麻省理工学院出版社。

Fleuret，F和Sahbi，H(2003).
基于三角核的支持向量机尺度不变性
.

J.A.K.、S、T.、VG、J.、V和B.、DM(2003).
PCA分析的支持向量机公式及其核版本
IEEE神经网络汇刊，14（2）：447-450。