原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第30卷第1期 河北科技大学学报 v01．30，No．1
and
JoumalofHebei ofScienceTechnology Mar．2009
2009年3月 University
文章编号：1008一1542(2009)O卜0058一04
支持向量机最优参数选择的研究
刘东辉，卞建鹏，付’平，刘智青
(河北科技大学电气信息学院，河北石家庄050018)
摘 要：支持向量机是近几年发展起来的机器学习方法，模型选择是设计支持向量机的关键。基于
高斯核函数的支持向量机具有良好的学习性能，被广泛应用于模式分类中，讨论了核函数中C和y
对分类函数的影响，提出针对不同类型的数据，SVM应选用不同的核函数，同时利用二分法对核函
数(C，)，)寻优，并将其应用于变压器故障诊断中，仿真结果表明该方法具有较好的性能。
关键词：支持向量机；模型选择；高斯核函数；二分法
中图分类号：TPl8 文献标识码：A
onthechoice of Vectormachine．
Study optimumparameterssupport
LIU
Dong—hui，BIANJian—peng，FUPing，LIUZhi—qing
of andlnfomation ofScience Hebei
Electrical science，HebeiUniversity and
(C011ege Engineering
050018。China)
vectormachine(SVM)isanovelmachine method．Modelselectionisessentialto
Abstr扯t：Support learning designSVM．
The vectorImchinebasedonGausskemelfunctionis usedinmodelclassificationduetoits
support widely goodproperties．
This studiedtheinfluencesoftheerror andthekernel on vectormachinds
paper penaltyparameter parametersLlpport generaIi—
zation andthemethodofthechoiceofthe at Atthesame
ability optimumparameterpresent． time，this that
paperpresented
SVMshouldchoosedifferentkernelfunctionsintemsthedifferent thetwc卜dividedmethodis
of dataset，and forthe
proposed
choiceofthe Themethod the was
文档评论（0）