SVM 核函数对分类精度影响的研究

• 作者: 刘大宁 杨永乐 白林
• 来源期刊: 佳木斯大学学报（自然科学版）
• 学科: 工学
• 关键词: SVM 核函数参数 Mercer 条件 分类精度
• 年，卷（期）: 2012,（4）
• 页码范围: 627-630
• 分类号: TP391.4
• 字数: 3131字
• 语种: 中文

摘要

支持向量机是一种基于统计学习理论的新型机器学习算法,它通过求解最优化问题,在高维空间中寻找最优分类超平面,从而解决复杂数据的分类、回归问题.文中介绍了支持向量机的基本算法原理及其分类方法,重点研究将核函数引入不可分的情形.本文通过改变核函数的参数,采用对比实验来比较分类精度,同时根据 Mercer 条件形成新的线性组合核函数,最后得出通过改变核函数参数与线性组合核函数的方法可以明显提高分类的精度

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨永乐	成都理工大学管理科学学院	6	34	4.0	5.0
2	白林	成都理工大学管理科学学院	24	87	6.0	8.0
3	刘大宁	成都理工大学管理科学学院	5	28	2.0	5.0