基于混合核函数的SVM及其应用  

SVM and Its Application Based on Mixtures of Kernels

作　　者：张芬[1] 陶亮[1] 孙艳[1] 

机构地区：[1]安徽大学计算智能与信号处理教育部重点实验室

出　　处：《计算机技术与发展》2006年第2期176-178,共3页Computer Technology and Development

基　　金：教育部优秀成果青年教师资助计划(教人司[2002]40号);安徽省自然科学基金项目(01042210)

摘　　要：支持向量机可以很好地应用于函数拟合中,其中核函数的选择尤其重要。由于普通核函数各有其利弊,为了得到学习能力和泛化性能都很强的核函数,文中采用了混合核函数,并将由其构造的支持向量机运用于函数拟合中,且与普通核函数构造的支持向量机的实验结果进行了比较。结果表明其性能明显优于由普通核函数构造的支持向量机。Support vector machine （SVM） can be used in function regression. It is important to choose an optimal kemel in order to enhance the characteristics of the SVM. Since every traditional kernel has its advantages and disadvantages for the SVM, in this paper, choose mixtures of kernels which have the desirable characteristics for SVM learning and generalization,and adopt it to function regression, then compare with the SVM using traditional kemels. The results show that the SVM performance by using mixtures of kernels is much better than that by using traditional kernels.

关 键 词：支持向量机 混合核函数 局部性核函数 全局性核函数 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]