| 基于尺度核函数的最小二乘支持向量机 |
| |
| 引用本文： | 武方方,赵银亮.基于尺度核函数的最小二乘支持向量机[J].模式识别与人工智能,2006,19(5). |
| |
| 作者姓名： | 武方方 赵银亮 |
| |
| 作者单位： | 西安交通大学,新型计算机研究所,西安,710049 |
| |
| 摘 要： | 支持向量机的核函数一直是影响其学习效果的重要因素.本文基于小波分解理论和支持向量机核函数的条件,提出一种多维允许支持向量尺度核函数.该核函数不仅具有平移正交性,且可以以其正交性逼近二次可积空间上的任意曲线,从而提升支持向量机的泛化性能.在尺度函数作为支持向量核函数的基础之上,提出基于尺度核函数的最小二乘支持向量机(LS-SSVM).实验结果表明,LS-SSVM在同等条件下比传统支持向量机的学习精度更高,因而更适用于复杂函数的学习问题.
|
| 关 键 词： | 支持向量机 核函数 支持向量核函数 尺度核函数 最小二乘支持向量机(LS-SVM) |
Least Squares Support Vector Machine Based on Scaling Kernel Function |
| |
| WU Fang-Fang,ZHAO Yin-Liang.Least Squares Support Vector Machine Based on Scaling Kernel Function[J].Pattern Recognition and Artificial Intelligence,2006,19(5). |
| |
| Authors: | WU Fang-Fang ZHAO Yin-Liang |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
