一种基于高斯分布的SVM核选择方法  

A Kernal Selection Approach based on the Gauss Distribution

作　　者：郭金玲[1] 王文剑[2] 

机构地区：[1]山西大学商务学院,太原030031 [2]山西大学计算机与信息技术学院,太原030006

出　　处：《电脑开发与应用》2007年第12期50-51,54,共3页Computer Development & Applications

基　　金：国家自然科学基金资助项目(60673095);山西省高校科技研究开发资助项目(200611001)

摘　　要：核选择是支撑向量机(Support Vector Machine,SVM)研究中的核心问题之一。提出了一种基于数据分布特征的SVM核函数及其参数选择的方法。首先分析了确定数据分布特征的重要性,然后给出了判断数据呈高斯分布的方法,并探讨了SVM核函数及其参数选择与数据分布的相关性。数值实验说明了本文提出的方法的可行性与有效性。The kernel selection is one of the key problems for support vector machine （SVM）. In this paper, a new way to select the kernel parameter, is presented. It is based on the Gauss distribution. The paper analyses the importance of determining the characteristics of data distribution and presents an approach to determine Gauss distribution. And then on the basis of determining Gauss distribution ,this paper discusses how to select the kernel parameter. The simulation experiments demonstrate the feasibility and the effectiveness of the presented approach.

关 键 词：支撑向量机 核参数选择 高斯分布 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]