计算机科学 ›› 2014, Vol. 41 ›› Issue (5): 239-242.doi: 10.11896/j.issn.1002-137X.2014.05.050
田萌,王文剑
TIAN Meng and WANG Wen-jian
摘要： 核函数及其参数的选择是决定支持向量机(support vector machine,SVM)分类性能的关键。基于埃尔米特多项式,利用三角核函数构造并证明了一类改进的埃尔米特核函数——三角埃尔米特核函数。该类核函数含两个核参数,其中一个核参数可由样本点到样本均值的距离简单确定,而另一个核参数仅在自然数集中选取,从而简化了该类核函数的参数优化。在双螺线数据集、棋盘格数据集及7个UCI数据集上的实验表明,该类核函数比常见的多项式核函数、高斯核函数及文献[6]提出的埃尔米特核函数有着更好的泛化性能和鲁棒性。
| [1] Vapnik V．Statistical Learning Theory [M].New York:Wiley,1998 [2] 邓乃扬,田英杰.支持向量机——理论、算法与拓展[M]．北京:科学出版社,2009:81-114 [3] Cristianini N,Shawe-Taylor J．An Introduction to Support Vector Machine[M]．Cambridge:Cambridge University Press,2000 [4] Tsuda K,Akaho S,Kawanabe M,et al．Asymptotic properties of the Fisher kernel[J]．Neural Computation,2004,6(1):115-137 [5] Sedat O,Chen C H,Cirpan H A．A set of new Chebyshev kernel functions for support vector machine pattern classification[J]．Pattern Recognition,2011,44(4):1435-1447 [6] 张瑞,高红,张立伟.一类新的支持向量机核函数——埃尔米特核函数[J].山西大学学报:自然科学版,2012,5(1):38-42 [7] 张瑞,王文剑,张亚丹,等.基于支持向量机分类问题的勒让德核函数[J].计算机科学,2012,34(7):222-224 (下转第274页)(上接第242页) [8] Schlkopf B,Smola A．Learning with Kernels[M]．Cambridge:MIT Press,2002 [9] Cristianini N,Shawe-Taylor J,Elisseeff A,et al．On kernel-target alignment[C]∥Proceedings of Advances in Neural Information Processing Systems.2001:367-373 [10] Wang Wen-jian J,Xu Zong-ben,Lu Wei-zhen,et al．Determination of the spread parameter in the Gaussian kernel for classification and regression[J]．Neurocomputing,2003,5(10):643-663 [11] Paclík P,Novoviˇ ová J,Pudil P,et al．Road sign classification using Laplace kernel classifier[J]．Pattern Recognition Letters,2000,1(13/14):1165-1173 [12] Fleuret F,Sahbi H．Scale-invariance of support vector machines based on the triangular kernel[C]∥Proceedings of 3rd International Workshop on Statistical and Computational Theories of Vision．Nice,2003 |
| No related articles found! |
|
||
首页