文献类型：期刊文章

作　　者：李盼池[1] 许少华[1]

机构地区：[1]大庆石油学院计算机科学与工程学院,黑龙江大庆163318

出　　处：《计算机工程与设计》

基　　金：国家自然科学基金项目(60373102)。

年　　份：2005

卷　　号：26

期　　号：2

起止页码：302-304

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：支持向量机是20世纪90年代中期发展起来的一种机器学习技术,与传统人工神经网络不同之处在于前者基于结构风险最小化原理,后者基于经验风险最小化原理。支持向量机不仅结构简单,而且技术性能尤其是泛化能力与BP神经网络相比有明显提高。讨论了支持向量机的分类原理,并用多项式函数、径向基函数和感知机函数等3种核函数作为内积回旋,分别以平面点集分类、手写体汉字识别及双螺旋线识别为例,在不同的结构参数下进行了仿真实验,并对3种核函数的分类特性进行了对比分析,给出了在不同模式识别问题中3种核函数的选择条件。

关 键 词：支持向量机 核函数 模式识别 感知机  手写体汉字识别 机器学习  结构风险最小化 内积  平面点集 多项式函数  

分 类 号：TP391] TP183[计算机类]