基于SVM分类问题的核函数选择仿真研究

被引：27

作者：

宋晖 ^{[1
]}

薛云 ^{[1
]}

张良均 ^{[2
]}

机构：

[1] 华南师范大学物理与电信工程学院

[2] 广州太普软件科技有限公司

来源：

计算机与现代化 | 2011年 / 08期

基金：

广东省科技计划;

关键词：

分类; 支持向量机; 核函数;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

首先讨论支持向量机(SVM)的基本思想和实现过程,随后着重对SVM核函数进行探讨,从理论上研究常用核函数的选择优化问题。采用UCI数据库中的玻璃识别数据、菖蒲植物数据以及汽车评估数据分别对选择不同的核函数情况进行实验仿真分类和比较。仿真结果表明,同类数据选择不同核函数会产生不同的分类效果,选取合适的核函数对分类效果有很大的影响。

引用

收藏

页码：133 / 136

页数：4

相关论文

共 12 条

[1] SVM分类核函数及参数选择比较 [J].

奉国和 .

计算机工程与应用 , 2011, (03) :123-124+128

[2] 关于核函数选取的方法 [J].

王炜 ;

郭小明 ;

王淑艳 ;

刘丽琴 .

辽宁师范大学学报(自然科学版), 2008, (01) :1-4

[3] 支持向量机及核函数研究 [J].

郭丽娟 ;

孙世宇 ;

段修生 .

科学技术与工程, 2008, (02) :487-490

[4] 基于RBF核函数的支持向量机参数选择 [J].

林升梁 ;

刘志 .

浙江工业大学学报, 2007, (02) :163-167

[5] 基于核函数主元分析的SVM建模方法及应用 [J].

杨希 ;

钱锋 ;

张兵 .

华东理工大学学报(自然科学版), 2007, (02) :259-262+270

[6] 用不同核函数的SVM对红外目标进行运动和轨迹估计 [J].

游安清 ;

程义民 ;

赵平 ;

郭从良 .

电路与系统学报, 2005, (02) :135-137

[7] 支持向量机在模式识别中的核函数特性分析 [J].

李盼池 ;

许少华 .

计算机工程与设计, 2005, (02) :302-304

[8] 基于核函数主元分析的软测量建模方法及应用 [J].

王华忠 ;

俞金寿 .

华东理工大学学报, 2004, (05) :567-570

[9] 特征选择和SVM训练模型的联合优化 [J].

陈光英 ;

张千里 ;

李星 .

清华大学学报(自然科学版), 2004, (01) :9-12

[10] 模式识别中的支持向量机方法 [J].

杜树新 ;

吴铁军 .

浙江大学学报(工学版), 2003, (05) :25-31