一种改进的支持向量机模式分类方法

• 作者: 和湘 姜斌 孙月光 黎湘
• 来源期刊: 电光与控制
• 学科: 工学
• 关键词: 支持向量机 径向基核函数 模糊k-近邻 模式分类 模式识别 统计学习理论
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 学术研究
• 页码范围: 23-26
• 页数: 4页
• 分类号: V271.4|TN95
• 字数: 2887字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-637X.2007.04.006

摘要

支持向量机(Support Vector Machine,SVM)是在统计学习理论基础上发展起来的一种新的机器学习方法,已成为目前研究的热点,并在模式识别领域有了广泛的应用.首先分析了支持向量机原理,随后引入一种改进的径向基核函数,在此基础上,提出了一种改进核函数的SVM模式分类方法.与基于IRIS数据,进行了计算机仿真实验,与基干模糊k-近邻的模式分类仿真结果比较,结果表明改进的SVM方法分类性能比模糊k-近邻算法(Fuzzy k-Nearest Neighbor,FKNN)的分类性能更好,运算时间更短,更易于实时实现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黎湘	国防科技大学四院空间信息技术研究所	174	2404	24.0	40.0
2	姜斌	国防科技大学四院空间信息技术研究所	20	473	11.0	20.0
3	孙月光		10	22	2.0	4.0
4	和湘		8	51	4.0	7.0