一種改進(jìn)的核函數(shù)參數(shù)選擇方法.pdf

1、支持向量機(jī)(SVM)是20世紀(jì)90年代由Vapnik等研究者，在統(tǒng)計(jì)學(xué)習(xí)理論體系框架下提出的一種新的通用的學(xué)習(xí)方法，它在解決小樣本、非線(xiàn)性以及高維模式識(shí)別等問(wèn)題中有很強(qiáng)的優(yōu)勢(shì)。應(yīng)用支持向量機(jī)解決問(wèn)題的時(shí)候，核函數(shù)及其相關(guān)參數(shù)的選擇對(duì)結(jié)果好壞起著至關(guān)重要的作用，直接影響機(jī)器學(xué)習(xí)的分類(lèi)性能。只有選擇合適的核函數(shù)及其參數(shù)，才能得到具有良好推廣能力的SVM分類(lèi)器。
　　 雖然目前關(guān)于核函數(shù)及其參數(shù)的研究在理論和應(yīng)用方面日趨走向成熟，但還

2、不足以指導(dǎo)其參數(shù)選擇。核函數(shù)參數(shù)是影響SVM分類(lèi)性能的關(guān)鍵因素，但其選擇方法目前國(guó)際上還沒(méi)有形成統(tǒng)一的模式，最優(yōu)SVM 參數(shù)選擇算法只能憑借經(jīng)驗(yàn)，實(shí)驗(yàn)對(duì)比，或者大范圍的搜尋來(lái)進(jìn)行尋優(yōu)。在眾多的核函數(shù)參數(shù)選擇方法中，網(wǎng)格搜索法是最常用而且比較有效的一種方法。本文主要研究的就是支持向量機(jī)核函數(shù)參數(shù)選擇方法。
　　 本文主要討論了支持向量機(jī)的核函數(shù)及其參數(shù)的以下幾方面內(nèi)容：
　　 首先，系統(tǒng)和全面的總結(jié)了支持向量機(jī)基礎(chǔ)理論，介

3、紹了VC 維理論、結(jié)構(gòu)風(fēng)險(xiǎn)化最小化原則，研究了SVM分類(lèi)算法，分析了用于解決多類(lèi)分類(lèi)問(wèn)題的策略。
　　 其次，分析了影響SVM 訓(xùn)練性能、學(xué)習(xí)性能的幾個(gè)重要因素。討論了支持向量機(jī)中的常用的核函數(shù)參數(shù)選擇方法，分析了雙線(xiàn)性搜索法，模式搜索法，網(wǎng)格搜索法的優(yōu)缺點(diǎn)，結(jié)合SVM 核函數(shù)參數(shù)自身參數(shù)空間分布的特點(diǎn)，通過(guò)理論上的分析論證和實(shí)驗(yàn)比較提出了一種新的核函數(shù)參數(shù)選擇方法—雙線(xiàn)性模式搜索法。
　　 最后，通過(guò)仿真實(shí)驗(yàn)對(duì)本文所提