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13卷第10期 中国图象图形学报 V01．13，No．10
of
2008年10月 Journal and Oct．，2008
ImageGraphics
基于核变换的高性能支持向量机分类算法
毕德学 于德敏 许增朴
(天津科技大学机械工程学院，天津300222)
摘要 由于传统的支持向量机(SVM)算法的核函数没有考虑训练数据自身的特点，因而相对于具体的问题来
说，往往不是最优的。为了获得最优的分类结果，提出了一种基于核变换思想的支持向量机分类方法。该方法首
先根据训练样本的类属信息，通过对初始核进行线性变换来间接地达到改进输入空间到输出空间的映射函数的目
的，同时利用变换后的核函数来求解分类数据特征空间的超平面方程。仿真和实验结果表明，采用此方法，不仅
可以提高系统的分类性能和降低噪声的干扰，而且可以增强分类结果的鲁棒性。
关键词 支持向量机核变换特征空间
中图法分类号：TPl81文献标识码：A 文章编号：1006—8961(2008)10—1845—04
PerformanceSVMClassificationBasedonKernel
High
BIDe-xue，YUDe—rain，XU
Zeng—pu
Mechanical Scienceand
of 300222)
(College Engineering，Tia蟛nUniversityof Technology，Tianjin
AbstractKernelbased Vector notconsiderinner of classification
Machine(SVM)does data，so
SuppoR propertytraining
results notin condition．Inthis we anewSVMclassification
are
usually optimum paperpresent algorithm．Theproposed
methodaltersthekernelbasedontheclassinformationofthe vectors classifiedthis
trainingdata，withinput being by
transformedkernel．Thedescribed can of function and
algorithmimproveperformancemapping indirectly．Simulation
validatethatitcan classification and reducenoise．
experiments improve performancerobustness，and
SVM，kerneltransformation，feature
Keywords space
及核改进前的支持向量，过程较为繁琐，该文也没有
1 引 言
文档评论（0）