支持向量机在模式识别中的核函数特性分析

• 作者: 李盼池 许少华
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 统计学习理论 支持向量机 机器学习 模式识别
• 年，卷（期）: 2005,（2）
• 页码范围: 302-304
• 页数: 3页
• 分类号: TP183
• 字数: 2486字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7024.2005.02.008

摘要

支持向量机是20世纪90年代中期发展起来的一种机器学习技术,与传统人工神经网络不同之处在于前者基于结构风险最小化原理,后者基于经验风险最小化原理.支持向量机不仅结构简单,而且技术性能尤其是泛化能力与BP神经网络相比有明显提高.讨论了支持向量机的分类原理,并用多项式函数、径向基函数和感知机函数等3种核函数作为内积回旋,分别以平面点集分类、手写体汉字识别及双螺旋线识别为例,在不同的结构参数下进行了仿真实验,并对3种核函数的分类特性进行了对比分析,给出了在不同模式识别问题中3种核函数的选择条件.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许少华	大庆石油学院计算机科学与工程学院	68	929	15.0	27.0
2	李盼池	大庆石油学院计算机科学与工程学院	35	807	14.0	28.0