支持向量机中核函数的分类研究及组合使用
核函数是支持向量机中的核心部分,它决定了支持向量机中非线性的原始数据空间到高维特征空间的映射关系.不同核函数有不同的特点,学习能力强的核函数未必具有很好的推广能力,反之亦然.本文研究了不同核函数的优势,在此基础上将组合核函数引入SVM分类器中,实验证明,组合核函数进一步提高了SVM分类器的性能和推广能力,也为设计自适应选择最优核函数的SVM分类器提供了新的思路.
支持向量机 核函数 推广性 统计学习理论
张国宣 孔锐 郭立 薛明东 刘士建
中国科学技术大学电子科学与技术系(合肥)
国内会议
长沙
中文
432-435
2004-04-01（万方平台首次上网日期，不代表论文的发表时间）