核函数方法及其模型选择

被引：40

作者：

王华忠

俞金寿

机构：

[1] 华东理工大学自动化研究所

来源：

关键词：

核函数方法; 支持向量机; 模型选择; 核主元分析;

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：

核函数方法已成为近年来机器学习领域继人工神经网络方法之后又一个十分流行和有效的方法.阐述了核函数方法的基本原理、特点及实施步骤,介绍了几种主要的核函数方法,最后重点分析和讨论了核函数方法中参数选择和核函数构造等核函数方法研究中的热点问题,并对其未来研究作了展望.

引用

页码：500 / 504

页数：5

共 4 条

[1] Training invariant support vector machines [J].

Decoste, D ;

Schölkopf, B .

[2] Regularization networks and support vector machines [J].

Evgeniou, T ;

Pontil, M ;

Poggio, T .

[3] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

[4] 基于插值的核函数构造 [J].

吴涛 ;

贺汉根 ;

贺明科 .