已閱讀1頁，還剩31頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、支持向量機是二十世紀(jì)九十年代發(fā)展起來的統(tǒng)計學(xué)習(xí)理論的核心內(nèi)容，核函數(shù)是它的重要組成部分。在眾多核函數(shù)中，高斯核函數(shù)由于其特殊的性質(zhì)以及廣泛的應(yīng)用，得到了廣大研究者的重視。 本文主要討論了高斯核函數(shù)的以下幾方面內(nèi)容： 首先，通過支持向量機引入高斯核函數(shù)，并討論其可分性和局部性。根據(jù)高斯核的局部性，選擇全局核函數(shù)與高斯核組成組合核函數(shù)以提高分類器性能。 其次，通過VC維理論和結(jié)構(gòu)風(fēng)險最小化原則，對支持向量機參數(shù)選擇的
2、重要性作了說明，并對高斯核半徑和懲罰參數(shù)C進(jìn)行選擇。 對于核半徑的選擇，已知的方法之一是以留一誤差的Joachims上界作為核半徑選擇的準(zhǔn)則。文章提出了以最大化新空間中樣本的類間和類內(nèi)距離之比作為核半徑的選擇準(zhǔn)則，并通過仿真實驗與已知方法進(jìn)行比較，說明了本文提出的這種方法的有效性。 最后，文章對比了高斯核函數(shù)在支持向量機和徑向基網(wǎng)絡(luò)中的應(yīng)用，并基于仿真實驗說明了基于高斯核的核Fisher判別在非線性可分樣本分類中的優(yōu)越性
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 高斯核函數(shù)支持向量分類機超級參數(shù)有效范圍研究.pdf
- 基于加權(quán)多寬度高斯核函數(shù)的支持向量機聚類算法研究.pdf
- 支持向量分類機的核函數(shù)研究.pdf
- 支持向量機中Sigmoid核函數(shù)的研究.pdf
- 支持向量機核函數(shù)選擇方法探討.pdf
- 支持向量機核函數(shù)的參數(shù)選擇方法.pdf
- 支持向量機中核函數(shù)的選取方法的研究.pdf
- 支持向量機核函數(shù)及關(guān)鍵參數(shù)選擇研究.pdf
- 稀疏表示下支持向量機核函數(shù)選擇.pdf
- 基于混合核函數(shù)支持向量機的文本分類研究.pdf
- 支持向量機核函數(shù)研究及其在語音識別中的應(yīng)用.pdf
- 基于支持向量機的組合核函數(shù)及模糊系統(tǒng)辨識研究.pdf
- 混合核函數(shù)支持向量機在信用評估中的應(yīng)用.pdf
- 基于多尺度核加權(quán)融合的支持向量機核函數(shù)優(yōu)化方法的研究.pdf
- 基于混合核函數(shù)支持向量機的人臉識別方法研究.pdf
- 基于復(fù)合核函數(shù)及軟邊緣的新型支持向量機的研究.pdf
- 加權(quán)多寬度高斯核及其支持向量分類和網(wǎng)絡(luò)核模式.pdf
- 基于組合核函數(shù)支持向量機的軟測量技術(shù)及其應(yīng)用研究.pdf
- 支持向量機的調(diào)節(jié)熵函數(shù)法研究.pdf
- 基于高斯超向量和支持向量機的電子偽裝語音鑒定方法研究.pdf
評論
0/150
提交評論