文献类型：期刊文章

作　　者：梁礼明[1] 钟震[1] 陈召阳[1]

机构地区：[1]江西理工大学电气工程与自动化学院,江西赣州341000

出　　处：《计算机工程与科学》

基　　金：国家自然科学基金资助项目(5136501);江西省自然科学基金资助项目(20132BAB203020);江西省教育厅科学技术研究项目(GJJ13430)

年　　份：2015

卷　　号：37

期　　号：6

起止页码：1135-1141

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、ZGKJHX、核心刊

摘　　要：支持向量机是一种基于核的学习方法,核函数选取对支持向量机性能有着重要的影响,如何有效地进行核函数选择是支持向量机研究领域的一个重要问题。目前大多数核选择方法不考虑数据的分布特征,没有充分利用隐含在数据中的先验信息。为此,引入能量熵概念,借助超球体描述和核函数蕴藏的度量特征,提出一种基于样本分布能量熵的支持向量机核函数选择方法,以提高SVM学习能力和泛化能力。数值实例仿真验证表明了该方法的可行性和有效性。

关 键 词：支持向量机 核函数 样本分布  先验信息 能量熵  

分 类 号：TP181]