基于混合核函数支持向量机的回归模型  

The Regression Model of Support Vector Machine Based on Mixed Kernel Function

作　　者：徐立祥[1,2] 李旭[1] 

机构地区：[1]合肥学院数学与物理系,合肥230601 [2]安徽省工业图像处理与分析重点实验室,合肥230039

出　　处：《合肥学院学报（自然科学版）》2013年第2期4-8,共5页Journal of Hefei University :Natural Sciences

基　　金：安徽省优秀青年人才基金项目(2012SQRL174);合肥学院自然科学研究一般项目(13KY04ZR);合肥学院教学研究项目(2012jyxm49)资助

摘　　要：基于支持向量机核函数的条件,将Sobolev Hilbert空间的再生核函数和Sig核函数进行有效的线性混合,给出一种新的支持向量机的混合核函数,并提出一种基于再生核的混合核函数支持向量机回归模型,该回归模型兼具了全局核函数与局部核函数的优点,且算法的复杂度被降低.仿真实验结果表明:最小二乘支持向量机的核函数采用基于再生核的混合核函数是可行的,回归的效果比单核函数可以更为细腻.The reproducing kernel function on the Sobolev Hilbert space and sig kernel function are mixed efficiently, a new mixed kernel function support vector machine is given, and a mixed kernel function support vector machine regression model based on reproducing kernel is propose, which has the advantages of global kernel function and local kernel function, and the complexity of the algorithm is reduced. The simulation results show that the kernel function of least Scluare support vector machine adopts mixed kernel function which base on the reproducing kernel is feasible, the regression results is more delicate than individual kernels function.

关 键 词：支持向量机 再生核 混合核函数 回归分析 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]