支持向量机中核函数的性能评价策略

• 作者: 何大可 李涛 王丹琛 罗瑜
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 核函数 支持向量机 线性可分度 线性密集度 结构风险
• 年，卷（期）: 2007,（19）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 186-187,198
• 页数: 3页
• 分类号: TP18
• 字数: 3182字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2007.19.065

摘要

继神经网络方法之后,支持向量机成为机器学习领域中的有效方法,但是核函数的评价和选取问题一直存在.该文从结构风险出发,通过经验风险和置信区间2个方面对核函数的性能进行量化,给出评价核函数性能的公式,指出传统经验风险定义的缺陷,并提出了一个新的定义.实验证明了该算法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何大可	西南交通大学信息科学与技术学院	182	1679	20.0	31.0
2	罗瑜	西南交通大学信息科学与技术学院	8	126	6.0	8.0
3	李涛		8	52	3.0	7.0
4	王丹琛		3	69	3.0	3.0