| 基于傅立叶核与径向基核的支持向量机性能之比较 |
| |
| 引用本文： | 林茂六,陈春雨.基于傅立叶核与径向基核的支持向量机性能之比较[J].重庆邮电大学学报(自然科学版),2005,17(6):647-650. |
| |
| 作者姓名： | 林茂六 陈春雨 |
| |
| 作者单位： | 哈尔滨工业大学,电子与通信工程系,黑龙江,哈尔滨,150001 |
| |
| 基金项目： | 中国科学院资助项目
,
广东省博士启动基金 |
| |
| 摘 要： | 支持向量机（SVMs）是由Vapnik提出的一种建立在统计学习理论上的新方法。这种方法被深入地研究并广泛应用在诸如分类和回归问题上。由于其基于结构风险最小化的机理，因此相对于其他的经典方法有着更好的泛化特性,其中核函数的选择对支持向量机的性能有着很大的影响。深入地研究了基于傅立叶核函数的支持向量机的特性，得出在某些特殊的情况下，基于傅立叶核函数的支持向量机的性能要好于基于RBF核的支持向量机。最后的仿真对其进行了比较验证。
|
| 关 键 词： | 支持向量机 函数回归 傅立叶核函数 径向基核函数 |
| 文章编号： | 1004-5694(2005)06-0647-04 |
| 收稿时间： | 2005/3/18 0:00:00 |
| 修稿时间： | 2005年3月18日 |
A performance comparison of SVMs based on Fourier kernel and RBF kernel |
| |
| LIN Mao-liu,CHEN Chun-yu.A performance comparison of SVMs based on Fourier kernel and RBF kernel[J].Journal of Chongqing University of Posts and Telecommunications,2005,17(6):647-650. |
| |
| Authors: | LIN Mao-liu CHEN Chun-yu |
| |
| Institution: | Dept.of Electronics & Communication HIT, Haebin, 150001,P.R.China |
| |
| Abstract: | Support Vector Machines (SVMs) a new way based on statistical theory, was proposed by Vapnik. It has been well studied and widely applied to the classification and regression. According to the Structural Risk Minimization (SRM) principle, SVM has a better performance on generalization contrast than classic methods. The choice of kernel function of SVM is key factor in the performance. In this paper, Fourier kernel is studied. A conclusion is drawn that, in some area, SVM based on Fourier kernel is better than that based on RBF kernel. At last, a simulation is conducted to illustrate it. |
| |
| Keywords: | support vector machine function regression Fourier kernel function RBF kernel function |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《重庆邮电大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆邮电大学学报(自然科学版)》下载免费的PDF全文 |
