多核支持向量数据描述分类方法研究

• 作者: 刘黎辉 卢明 吴亮红
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 模式识别 支持向量数据描述 多核方法 最优超球半径 参数选择
• 年，卷（期）: 2016,（18）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 68-73
• 页数: 6页
• 分类号: TP274.3
• 字数: 3525字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1412-0205

摘要

核函数、惩罚因子、核参数是影响支持向量数据描述（SVDD）分类方法分类效果的重要因素。研究了多核支持向量数据描述（MKSVDD）分类方法，给出了多核支持向量数据描述分类方法的实现步骤，基于banana数据集分析了惩罚因子和核参数对分类效果的影响，重点讨论了多核函数的权值对支持向量数据描述边界分布的影响。仿真实验结果表明，与单核支持向量数据描述分类方法相比较，多核支持向量数据描述分类方法的分类效果更佳，为实际应用时参数的选择提供了参考。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴亮红	湖南科技大学信息与电气工程学院	38	479	10.0	21.0
2	卢明	湖南科技大学信息与电气工程学院	20	32	4.0	5.0
3	刘黎辉	湖南科技大学信息与电气工程学院	4	13	2.0	3.0