基于核的支持向量机构造方法的研究  

A Study of SVM-Constructions Based on Kernels

作　　者：王源[1] 陈亚军[2] 

机构地区：[1]西华师范大学微机应用研究所 [2]西华师范大学物理与电子信息学院,四川南充637002

出　　处：《微机发展》2005年第12期96-98,150,共4页Microcomputer Development

基　　金：四川省教育厅科研基金重点项目(2004A102)

摘　　要：核函数的选择是构造支持向量机的关键。通过研究当前机器学习领域3类主要核函数及其主要性质,派生出其他相关函数,同时引入其他一些更精密的核函数应用于SVM构造。得出SVM用于非线性分类器构造时,核函数的选择原则。并以实例分析了核函数方法的计算性和泛化性,扩展了核函数的应用领域,使得SVM的构造方法更加丰富。The key to SVM - constuctions is to select appreciate kernel function. Study the primary properties of three kinds of current kernels by using machine learning and derive some other related functions. Introduce some mere sophisticated kernels which can be used of SVM - constructions. This paper proposes some principles that choosing kernel functions when construct a Nonlinear classifier using SVM, also,analyzes the computability and generalization ability of kernel method by some examples. As a result,expand the application scopes of kernels and make the methods of SVM - construction more diversiform.

关 键 词：机器学习 统计学习 核函数 支持向量机 非线性算法 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]