基于混合核函数SVM及其的应用.pptVIP

基于混合核函数的SVM及其应用 支持向量机的许多特性是由所选择的核函数来决定的,为了得到性能更为优良的支持向量机,一种改进的方法是把多个核函数组合起来,形成一种混合核函数。 应用: 将混合核函数的SVM算法用于血浆脂蛋白样本与其血浆胆固醇的含量的测定中,并将结果与由其它核函数构造的支持向量机方法进行比较,意在提出一个更合适的核函数来解决函数拟合问题。 用于函数拟合的支持向量机 给定训练数据{ ( xi , yi) , i = 1 ,2 , ?, n} ,其中xi ∈Rd 是第i 个学习样本的输入值,且为一d 维列量 , yi∈ R 为对应的目标值。 对于非线性不可分问题,通过非线性变换 将x 映射到某个特征空间,因而转化成线性可分问题,线性估计函数可定义为: 假设所有训练数据都可以以精度ε无误差地用线性函数拟合,即 则可以通过求下列代数式的最小值来获得最小风险: 常数C 0 , C 表示对超出误差ε的样本的惩罚程度。 采用优化方法可以得到其对偶问题。 构造拉格朗日函数求解式(4) , 可得到支持向量机回归函数为: 其中K( x , xi ) 称为核函数, 将只有小部分不为0 ,它们对应的样本就是支持向量。 核函数 所谓核函数就是存在一非线