10.3969/j.issn.1000-582X.2004.05.012
基于正反馈的支持向量机
在分析现有的基于高斯核的支持向量机(包括基于K-邻域法的支持向量机)的优缺点的基础上,通过对支持向量机之所以能够描述数据集的分布特征的本质进行分析,突破目前在构造支持向量机中存在的"所有支持向量与样本之间的在特征空间中的内积所对应的核函数参数一定要相等"的这一苛刻要求,提出了用于模式识别的基于正反馈的支持向量机.给出了基于正反馈的支持向量机的算法.通过对人工数据和现实数据的仿真实验,表明基于正反馈的支持向量机在推广性能方面明显优于现有的支持向量机.
径向基神经网络、K-邻域法、核函数、支持向量机
27
TP181(自动化基础理论)
2004-07-02(万方平台首次上网日期,不代表论文的发表时间)
共4页
41-44