论文部分内容阅读
核函数是SVM的关键技术，核函数的选择将影响着学习机器的学习能力和泛化能力。不同的核函数确定了不同的非线性变换和特征空间，选取不同核函数训练SVM就会得到不同的分类效果。本文提出了一种混合的核函数［1］Kmix=λKpoly＋（1-λ）Krbf，从而兼并二项式核函数及径向基核函数的优势。实验证明选用混合核函数的支持向量机，与普通核函数构造的支持向量机的评估效果进行比较，混合核函数支持向量机具有较高的分类精度。