基于支持向量机的分类算法研究

摘要：

本文采用支持向量机算法在UCI标准数据集上进行了分类实验.结果表明:对于训练样本较少的数据集,采用结构简单的学习函数,而对于训练样本较多的数据集,结构简单的学习函数会降低机器学习的推广能力;通过适当增大惩罚因子的值,可以提高学习机的推广能力;采用交叉验证法选择核参数可以提高分类精度;支持向量机分类算法的识别准确率优于神经网络算法。

关键词： 分类算法 支持向量机 神经网络 核函数 交叉验证法

作者: 门洪 武玉杰 李小英 高艳春

作者单位: 东北电力大学自动化工程学院 吉林 吉林 132012

会议类型: 国内会议

会议名称: 第六届全国信息获取与处理学术会议

会议地点: 河南焦作

会议语种:中文

页码: 330-335

在线出版日期: 2008-08-06（万方平台首次上网日期，不代表论文的发表时间）