一种支持向量机的组合核函数  

Compound kernel function of support vector machines

作　　者：张冰[1] 孔锐[1] 

机构地区：[1]暨南大学珠海学院,广东珠海519070

出　　处：《计算机应用》2007年第1期44-46,共3页journal of Computer Applications

基　　金：暨南大学引进人才基金资助项目(04JZKY005)

摘　　要：核函数是支持向量机的核心,不同的核函数将产生不同的分类效果,核函数也是支持向量机理论中比较难理解的一部分。通过引入核函数,支持向量机可以很容易地实现非线性算法。首先探讨了核函数的本质,说明了核函数与所映射空间之间的关系,进一步给出了核函数的构成定理和构成方法,说明了核函数分为局部核函数与全局核函数两大类,并指出了两者的区别和各自的优势。最后,提出了一个新的核函数———组合核函数,并将该核函数应用于支持向量机中,并进行了人脸识别实验,实验结果也验证了该核函数的有效性。Kernel functions are key part and the hard issue of Support Vector Machines （SVM）. Different kernel can produce different SVM. SVM can deal with nonlinear problems in classification and Regression easily by using kernel functions. In the paper, we discussed the relationship between kernel functions and nonlinear mappings and mapped spaces. Then we introduced a rule of constructing kernel function. At last, we proposed a new kernel -- compound kernel function. We applied the kernel in SVM and compared the kernel with other kernels in human face recognition experiment. Experimental results certify that the new kernel can achieve better performance than other kernels.

关 键 词：支持向量机 核函数 组合核函数 基于核的学习 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]