| 高斯核支持向量机分类和模型参数选择研究 |
| |
| 引用本文： | 郑小霞,钱锋.高斯核支持向量机分类和模型参数选择研究[J].计算机工程与应用,2006,42(1):77-79. |
| |
| 作者姓名： | 郑小霞 钱锋 |
| |
| 作者单位： | 华东理工大学自动化研究所,上海,200237 |
| |
| 基金项目： | 科技部科研项目;中国科学院资助项目;国家科技攻关项目 |
| |
| 摘 要： | 支持向量机(SupportVectorMachine,SVM)是近几年发展起来的机器学习新方法,以高斯核为核函数的支持向量机在实际应用中表现出良好的学习性能,被广泛应用于模式分类中。论文研究了高斯核支持向量机分类在IRIS分类问题上的应用,并结合结构风险最小化原则分析了误差惩罚参数C和高斯核宽度σ对SVM性能的影响,最后通过数值实验进一步分析了这种影响。
|
| 关 键 词： | 支持向量机 结构风险最小化原则 高斯核 核参数 |
| 文章编号： | 1002-8331-（2006）01-0077-03 |
Support Vector Machine with Gauss Kernel Classified Method and Model Selection |
| |
| Zheng Xiaoxia,Qian Feng.Support Vector Machine with Gauss Kernel Classified Method and Model Selection[J].Computer Engineering and Applications,2006,42(1):77-79. |
| |
| Authors: | Zheng Xiaoxia Qian Feng |
| |
| Affiliation: | Automation Institute, East China University of Science and Technology, Shanghai 200237 |
| |
| Abstract: | Support Vector Machine(SVM)is a novel machine learning method.Gauss kernel function is widely used in support vector machine because of its good properities.In this paper,the classification algorithm of support vector with Gaussian kernel and its application in IRIS are discussed.Based on structural risk minimization principal,the influences of the error penalty parameter C and the kernel parameter σ on support vector machine's generalization ability are studied.Finally experimental results further analyze the influences. |
| |
| Keywords: | support vector machine structural risk minimization Gauss kernel kernel parameters |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
