一种改进的支持向量机模式分类方法

• 作 者: 姜斌 和湘 孙月光 黎湘
• 机 构: 国防科技大学四院空间信息技术研究所,通信指挥学院
• 出 处: 电光与控制
• 发表日期: 2007年04期
• 关键词: 支持向量机 径向基核函数 模糊k-近邻 模式分类 模式识别 统计学习理论 Support Vector Machine（SVM） RBF kernel fu

支持向量机(Support Vector Machine,SVM)是在统计学习理论基础上发展起来的一种新的机器学习方法,已成为目前研究的热点,并在模式识别领域有了广泛的应用。首先分析了支持向量机原理,随后引入一种改进的径向基核函数,在此基础上,提出了一种改进核函数的SVM模式分类方法。与基于IRIS数据,进行了计算机仿真实验,与基于模糊k-近邻的模式分类仿真结果比较,结果表明改进的SVM方法分类性能比模糊k-近邻算法(Fuzzyk-Nearest Neighbor,FKNN)的分类性能更好,运算时间