对应用统计方法评估核函数分类能力的研究.docVIP

应用记录方法综合评估核函数分类能力的研究*) 王 泳1，2 胡包钢1，2 1（中国科学院自动化研究所模式辨认国家重点实验室 北京 100190） 2（中国科学院研究生院 北京 100049） 摘　要 本文应用记录方法对支持向量机方法中核函数选择问题进行了研究.文中将“纠正反复取样t测试”引入到核函数选择中，通过其与k-折交叉验证、配对t测试等多种记录方法的综合应用，对九个常用核函数的分类能力进行了定量研究.同时，文中还提出了基于信息增益的评估核函数模式辨认能力的定量评估准则，证明了该准则是传统评估准则的非线性函数.数值实验表白，不同模型评估准则之间存在差异，但应用记录方法可以从这些差异中发现一些规律.同时，不同记录方法之间也存在显著差异，且这种差异对模型评估的影响要大于由于评估准则的不同而产生的影响.因此，只有应用综合的评估方法和准则才干对不同核函数的分类能力进行客观评估. 关键词　核函数选择；模式辨认；纠正反复取样t测试；信息增益；非线性函数 中图法分类号 TP391 1引言 在支持向量机（Support Vector Machines，SVMs）[1]方法中，核函数选择十分重要.研究表白[1]，针对同一分类问题，选择不同的核函数，分类性能也许会相差很大.这重要是由于构成核函数的非线性映射是隐函数，且这些隐函数的类型是多样可变的.所以当人们对特定问题没有任何先验