支持向量分类和多宽度高斯核

被引：11

作者：

常群 ^{[1
]}

王晓龙 ^{[1
]}

林沂蒙 ^{[2
]}

王熙照 ^{[2
]}

Daniel SYeung ^{[2
]}

机构：

[1] 哈尔滨工业大学计算机科学与技术学院

[2] 哈尔滨工业大学深圳研究生院媒体与生命科学实验室

来源：

电子学报 | 2007年 / 03期

基金：

国家自然科学基金重大研究计划; 国家自然科学基金重点项目;

关键词：

支持向量机; 多宽度高斯核; 多参数模型选择; 误差界;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

支持向量分类中,高斯核不区分样本中各个特征的重要性,显然各个特征对分类的贡献一般是不相同的.为了体现这种差别从而提高支持向量机的泛化性能,文中提出了多宽度高斯核的概念.多宽度高斯核增加了支持向量机的超级参数,进一步地,文中提出了多参数模型选择算法.算法利用误差界自动实现模型选择.通过实验验证了多宽度高斯核和多参数模型选择算法的有效性.

引用

页码：484 / 487

页数：4