支持向量機(jī)核函數(shù)選擇方法探討.pdf

1、支持向量機(jī)學(xué)習(xí)方法的理論基礎(chǔ)是統(tǒng)計(jì)學(xué)習(xí)理論,該方法繼承了統(tǒng)計(jì)學(xué)習(xí)理論的許多優(yōu)秀的概念,比如VC維概念,結(jié)構(gòu)風(fēng)險(xiǎn)最小原理等,在此基礎(chǔ)上提出最優(yōu)超平面概念,用于計(jì)算基于最優(yōu)超平面的決策函數(shù);同時(shí)引入核函數(shù)后,使得非線性映射繞過高維空間,避免“維數(shù)災(zāi)難”,計(jì)算更加方便,從而可以得到較為理想的泛化能力。對于非線性可分的樣本集,合理選擇核函數(shù)可以提高其映射的線性化程度,增強(qiáng)可分性和預(yù)測能力。因此,核函數(shù)的選擇及核函數(shù)中相關(guān)參數(shù)的選擇對樣本線性可分

2、的作用很大。
　　不同形式的核函數(shù),由于其自身的特點(diǎn)不同,使其對非線性樣本的映射效果有所不同,因此,怎樣選擇合適的核函數(shù)是SVM學(xué)習(xí)方法中十分重要的研究課題。針對核函數(shù)的選擇問題,本文著重做了以下研究內(nèi)容:一是原始樣本數(shù)據(jù)分布特征的數(shù)學(xué)描述方法的研究;二是基于樣本分布特征數(shù)學(xué)描述出發(fā),根據(jù)樣本不同分布特征來選取合適的核基函數(shù);三是在核基函數(shù)選擇方法研究的基礎(chǔ)上,闡述了一種核基函數(shù)優(yōu)化組合方法,即利用數(shù)據(jù)分布特征選擇各個(gè)子集的核基函