计算机科学 ›› 2006, Vol. 33 ›› Issue (6): 172-174.
• • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要： 支持向量机是一项机器学习技术，发展至今近10年了，已经成功地用于模式识别、回归估计以及聚类等，并由此衍生出了核方法。支持向量机由核函数与训练集完全刻画。进一步提高支持向量机性能的关键，是针对给定的问题设计恰当的核函数，这就要求对核函数本身有深刻了解。本文首先分析了核函数的一些重要性质，接着对3类核函数，即平移不变核函数、旋转不变核函数和卷积核，提出了简单实用的判别准则。在此基础上，验证和构造了很多重要核函数。
关键词: 支持向量机 核函数 机器学习 核方法
Abstract: Support vector machine, which has been successfully applied to pattern ：recognition, regression estimation, cluster and so on, is a typical instance of kernel method. It is completely characterized by kernel function and training set. The key to enhance p
Key words: Support vector machine, Kernel, Kernel method, Machine learning
. 核函数的性质及其构造方法[J]. 计算机科学, 2006, 33(6): 172-174. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2006/V33/I6/172
Cited
首页