基于尺度核函数的最小二乘支持向量机

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)

所属期刊栏目：19

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目60173066

在线出版日期：2009-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：598-603