支持向量机核函数选择的研究

被引：53

作者：

朱树先

张仁杰

机构：

[1] 上海理工大学光学与电子信息工程学院

来源：

科学技术与工程 | 2008年 / 16期

关键词：

支持向量机; 核函数; 模型选择; 结构风险; 核矩阵;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

支持向量机是近年来发展的以统计学习理论为基础的新型学习机。该学习机用结构风险代替经验风险,因而具有传统的神经网络无法相比的优势。在该学习机的各各研究方向中,核函数的选择无疑是极其重要的核心问题。通过对核矩阵的计算和研究,从理论上为核函数的选择提供了参考。

引用

页码：4513 / 4517

页数：5

共 5 条

[1] 基于混合核函数的SVM及其应用 [J].

张芬 ;

陶亮 ;

孙艳 .

计算机技术与发展, 2006, (02) :176-178

[2] 支持向量机最优模型选择的研究 [J].

刘向东 ;

骆斌 ;

陈兆乾 .

计算机研究与发展, 2005, (04) :576-581

[3]

统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000

[4]

Conformal Transformation of Kernel Functions: A Data-Dependent Way to Improve Support Vector Machine Classifiers[J] . Si Wu,Shun-Ichi Amari.Neural Processing Letters . 2002 (1)

[5] Choosing Multiple Parameters for Support Vector Machines [J].

Olivier Chapelle ;

Vladimir Vapnik ;

Olivier Bousquet ;

Sayan Mukherjee .

Machine Learning, 2002, 46 :131-159

← 1 →