| 支持向量机在模式识别中的核函数特性分析 |
| |
| 引用本文： | 李盼池,许少华.支持向量机在模式识别中的核函数特性分析[J].计算机工程与设计,2005,26(2):302-304. |
| |
| 作者姓名： | 李盼池 许少华 |
| |
| 作者单位： | 大庆石油学院,计算机科学与工程学院,黑龙江,大庆,163318 |
| |
| 基金项目： | 国家自然科学基金项目(60373102)。 |
| |
| 摘 要： | 支持向量机是20世纪90年代中期发展起来的一种机器学习技术，与传统人工神经网络不同之处在于前者基于结构风险最小化原理，后者基于经验风险最小化原理。支持向量机不仅结构简单，而且技术性能尤其是泛化能力与BP神经网络相比有明显提高。讨论了支持向量机的分类原理，并用多项式函数、径向基函数和感知机函数等3种核函数作为内积回旋，分别以平面点集分类、手写体汉字识别及双螺旋线识别为例，在不同的结构参数下进行了仿真实验，并对3种核函数的分类特性进行了对比分析，给出了在不同模式识别问题中3种核函数的选择条件。
|
| 关 键 词： | 支持向量机 核函数 模式识别 感知机 手写体汉字识别 机器学习 结构风险最小化 内积 平面点集 多项式函数 |
| 文章编号： | 1000-7024(2005)02-0302-03 |
Support vector machine and kernel function characteristic analysis in pattern recognition |
| |
| LI Pan-chi,XU Shao-hua.Support vector machine and kernel function characteristic analysis in pattern recognition[J].Computer Engineering and Design,2005,26(2):302-304. |
| |
| Authors: | LI Pan-chi XU Shao-hua |
| |
| Abstract: | |
| |
| Keywords: | statistical learning theory support vector machine machine learning pattern recognition |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
