基于插值的核函数构造

被引:38
作者
吴涛
贺汉根
贺明科
机构
[1] 国防科学技术大学机电工程与自动化学院,国防科学技术大学机电工程与自动化学院,国防科学技术大学人文管理学院长沙,长沙,长沙
关键词
统计学习; 支持向量机; 模式识别; 核函数; 插值;
D O I
暂无
中图分类号
TP181 [自动推理、机器学习];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
近年来 ,统计学习 (SLT)和支持向量机 (SVM )理论的研究日益受到当前国际机器学习领域的重视 .有关核函数的研究则一直是研究的重点 .这是因为不同的核函数会导致SVM的泛化能力有很大的不同 .如何根据所给数据选择合适的核函数成为人们所关注的核心问题 .该文首先指出满足Mercer条件的核函数的具体表达式并非问题关键 ,在此基础上 ,该文进一步提出利用散乱数据插值的办法确定特征空间中感兴趣点的内积值以代替传统核函数的一般表达式所起的作用 .实验表明该方法不仅能够有效改善支持向量机的设计训练过程中的不确定性 ,而且泛化能力要优于绝大部分的基于传统核函数的支持向量机
引用
收藏
页码:990 / 996
页数:7
相关论文
共 2 条
[1]   支持向量机理论与基于规划的神经网络学习算法 [J].
张铃 .
计算机学报, 2001, (02) :113-118
[2]   Choosing Multiple Parameters for Support Vector Machines [J].
Olivier Chapelle ;
Vladimir Vapnik ;
Olivier Bousquet ;
Sayan Mukherjee .
Machine Learning, 2002, 46 :131-159