导数平方和准则与SVM参数优化

支持向量机(SVM)的性能与SVM参数的选择有关。SVM参数的优化需要一个准则。针对核函数选择RBF形式的情况,提出了一个新的SVM参数优化的准则,称作导数平方和准则。与著名的SVM参数优化方法如交叉验证或Radius/Margin Bound准则方法相比,利用提出的参数优化准则得到的分类面能够在原空间对样本集"平分秋色",体现了SVM分类器的结构风险最小化的原则,而且算法简单、计算量小、更易于实现。