基于数据依赖核函数的核优化算法

被引：4

|

作者：

李君宝 ^{[1
,2
]}

高会军 ^{[2
]}

机构：

[1] 哈尔滨工业大学自动化测试与控制系

[2] 哈尔滨工业大学控制科学与工程系

来源：

模式识别与人工智能 | 2010年 / 23卷 / 03期

基金：

中国博士后科学基金;

关键词：

核学习; 核优化; 经验特征空间;

D O I：

10.16451/j.cnki.issn1003-6059.2010.03.003

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

为了克服核学习中核函数及参数选择问题并提升算法性能,文中提出一种基于数据依赖核函数的核优化算法,用最大间隔准则建立最优目标函数求解数据依赖核的最优参数.实验表明文中算法可有效提高核学习机的性能.

引用

收藏

页码：300 / 306

页数：7

相关论文

共 2 条

[1] Improving support vector machine classifiers by modifying kernel functions
Amari, S
Wu, S
[J]. NEURAL NETWORKS, 1999, 12 (06) : 783 - 789
[2] Recursive Support Vector Ma-chines for Dimensionality Reduction .2 Tao Qing,Chu Dejun,Wang Jue. IEEE Trans on Neural Net-works . 2008