基于极分解下的混合核函数及改进  

Extremum Decomposition Based Mixtures of Kernels and Its Improvement

作　　者：业巧林[1] 业宁[1] 张训华[1] 

机构地区：[1]南京林业大学信息科学与技术学院,南京210037

出　　处：《模式识别与人工智能》2009年第3期366-373,共8页Pattern Recognition and Artificial Intelligence

基　　金：国家自然科学基金(No.30671639);江苏省自然科学基金(No.BK2005134);江苏省研究生科技创新基金(No.164070299)资助项目

摘　　要：利用矩阵能极分解生成一个对称半正定矩阵的特性,本文对RBF核进行极分解,并结合全局多项式核,构造一个性能较好的混合核函数.然后对该混合核设定两个权值,使之达到较好的性能.在UCI数据库中的数据集上进行实验,采用基于极分解下的混合核,来与RBF核进行比较.结果表明,使用混合核的SVM,其支持向量的个数少、分类错误低,并有较好的训练速度.还进一步发现,在大多数据集上,该混合核有效抑制了局部核函数RBF所引起的预测输出波动.In this paper, the property is used that any matrices can be decomposed into symmetric positive semi-definite ones using extremum decomposition. It is used on RBF kernel to generate a new kernel, called Ked. Combining Ked with global poly kernel, a mixed kernel with good classification performance is constructed. The classification experiments on UCI database are deployed with the mixed kernel. Compared with RBF kernel, the experimental results show that mixed kernel can decrease the number of support vectors and has better classification performance. Furthermore, it has good training time when the value of RBF kernel parameter is small.

关 键 词：支持向量机(SVM) 混合核函数 极分解 局部核 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]