支持向量机核函数的研究

支持向量机是二十世纪九十年代发展起来的统计学习理论的核心内容,而核函数是它的重要组成部分。在众多核函数中,高斯核函数由于其特殊的性质以及广泛的应用,得到了广大研究者的重视。 本文主要讨论了支持向量机核函数的以下几方面内容: 首先,介绍了VC维理论和结构风险最小化原则,并通过支持向量机引入高斯核函数。然后对支持向量机参数选择的重要性作了说明,讨论了其可分性和局部性并对高斯核半径和惩罚参数C进行选择。 其次,通过将核函数分为局部性核函数和全局性核函数,在保持原有核函数基本特性的基础上,并通过对其进行组合,引入了混合核函数。 最后,通过提出一种修正的高斯核函数,并将其应用于语音激活检测实验。大量实验数据证明,该核函数较高斯核函数有更好的学习能力和分类性能。 本文数据仿真与分析软件基于Matlab6.5和VC++6.0开发。