CAJ | 학술논문

支持向量机(SVM)的性能与SVM参数的选择有关.SVM参数的优化需要一个准则.针对核函数选择RBF形式的情况,提出了一个新的SVM参数优化的准则,称作导数平方和准则.与著名的SVM参数优化方法如交叉验证或Radius/Margin Bound准则方法相比,利用提出的参数优化准则得到的分类面能够在原空间对样本集"平分秋色",体现了SVM分类器的结构风险最小化的原则,而且算法简单、计算量小、更易于实现.
지지향량궤(SVM)적성능여SVM삼수적선택유관.SVM삼수적우화수요일개준칙.침대핵함수선택RBF형식적정황,제출료일개신적SVM삼수우화적준칙,칭작도수평방화준칙.여저명적SVM삼수우화방법여교차험증혹Radius/Margin Bound준칙방법상비,이용제출적삼수우화준칙득도적분류면능구재원공간대양본집"평분추색",체현료SVM분류기적결구풍험최소화적원칙,이차산법간단、계산량소、경역우실현.