支持向量机核函数选择研究与仿真
【出 处】:《
计算机工程与科学
》
CSCD
2015年第37卷第6期 1135-1141页,共7页
【作 者】:
梁礼明
;
钟震
;
陈召阳
【摘 要】
支持向量机是一种基于核的学习方法,核函数选取对支持向量机性能有着重要的影响,如何有效地进行核函数选择是支持向量机研究领域的一个重要问题。目前大多数核选择方法不考虑数据的分布特征,没有充分利用隐含在数据中的先验信息。为此,引入能量熵概念,借助超球体描述和核函数蕴藏的度量特征,提出一种基于样本分布能量熵的支持向量机核函数选择方法,以提高SVM学习能力和泛化能力。数值实例仿真验证表明了该方法的可行性和有效性。
相关热词搜索: 支持向量机 核函数 样本分布 先验信息 能量熵 SVM kernel function sample distribution prior information energy entropy
上一篇:求解互补支持向量机的非单调信赖域算法
下一篇:一种基于人工免疫的本体匹配算法