非线性支持向量机若干关键问题研究

doi:10.3969/j.issn.1007130X.2010.

J4 ›› 2010, Vol. 32 ›› Issue (5): 41-44.doi: 10.3969/j.issn.1007130X.2010.

非线性支持向量机若干关键问题研究

祝曙光1，钱丽艳2，樊卫兵1，胡晓峰3，王坚1，刘强1，李志强3

（1.总装备部工程设计研究总院，北京 100028；2.北京大学信息科学技术学院，北京 100871；
3.国防大学信息作战与指挥训练教研部，北京 100091）

收稿日期:2009-09-16 修回日期:2009-12-05 出版日期:2010-04-28 发布日期:2010-05-11
通讯作者: 祝曙光 E-mail:zhusgaung@sina.com
作者简介:祝曙光（1972），男，湖南沅江人，博士，高级工程师，研究方向为通信工程与战略模拟；钱丽艳，硕士，研究方向为计算机应用。
基金资助:
国家自然科学基金资助项目（60804041）

Research on Some Critical Issues of the Nonlinear Support Vector Machine

ZHU Shuguang1，QIAN Liyan2， FAN Weibing1，HU Xiaofeng3，WANG Jian1，LIU Qiang1，LI Zhiqiang3

（1.Center for Engineering Design and Research under the Headquarters of General Equipment,Beijing 100028;
2.School of Electronics Engineering and Computer Science,Peking University,Beijing 100871;
3.Department of Information Operation and Command Training,National Defense University,Beijing 100091,China）

Received:2009-09-16 Revised:2009-12-05 Online:2010-04-28 Published:2010-05-11
Contact: ZHU Shuguang E-mail:zhusgaung@sina.com

摘要/Abstract

摘要：

首先，对非线性二分类支持向量机方法中的几个关键问题进行了研究；其次，阐明了非线性映射在解决非线性分类问题时所起的作用，揭示了维数灾难的具体内涵，理清了核函数方法的本质；第三，提出了求取核函数中隐含非线性映射的方法，获取了非线性二分类支持向量机的表达式；第四，利用二分类支持向量机完成了一系列数据分类实验。

关键词: 支持向量机, 非线性映射, 维数灾难, 核函数

Abstract:

Firstly, some critical issues about the nonlinear binaryclass support vector machine (SVM) are studied. Secondly, the function of the nonlinear mapping used in nonlinear classification, the connotation of the dimension disaster, and the essence of the kernel function are elaborated. Thirdly, a new method to obtain connotative nonlinear mapping of the kernel function is put forward and the expression for the binaryclass SVM is presented. And finally, dataclassification experiments with the binaryclass SVMs are performed.

Key words: support vector machine;nonlinear mapping;dimension disaster;kernel function

中图分类号:

TP181

祝曙光1，钱丽艳2，樊卫兵1，胡晓峰3，王坚1，刘强1，李志强3. 非线性支持向量机若干关键问题研究[J]. J4, 2010, 32(5): 41-44.

ZHU Shuguang1，QIAN Liyan2， FAN Weibing1，HU Xiaofeng3，WANG Jian1，LIU Qiang1，L. Research on Some Critical Issues of the Nonlinear Support Vector Machine[J]. J4, 2010, 32(5): 41-44.

编辑推荐

Metrics

阅读次数

全文

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	28

来源	本网站	其他网站

次数	20	8
比例	71%	29%

摘要

最新录用	在线预览	正式出版

0	0	43

	来源	本网站

	次数	43
	比例	100%

[1]	吕小姣, 张玉梅, 杨红红, 吴晓军, . 基于距离排序的DUPSO-DSVM民歌快速分类算法研究[J]. 计算机工程与科学, 2023, 45(10): 1874-1833.
[2]	刘屹成, 刘晓燕, 严馨. 并行平衡级联支持向量机[J]. 计算机工程与科学, 2023, 45(07): 1170-1177.
[3]	唐宇, 代琪, 杨梦园, 陈丽芳, . 改进麻雀搜索算法优化SVM的异常点检测[J]. 计算机工程与科学, 2023, 45(02): 346-354.
[4]	仲臣, 余学祥, 邰晓曼, 韩雨辰, 肖星星, 刘清华, . 萤火虫算法优化支持向量机室内定位研究[J]. 计算机工程与科学, 2022, 44(11): 1968-1975.
[5]	马汉达, 朱敏. 改进SVM不平衡数据分类的IGWOSMOTE方法[J]. 计算机工程与科学, 2022, 44(06): 1133-1140.
[6]	李晶晶, 许少华. 基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用[J]. 计算机工程与科学, 2021, 43(04): 746-752.
[7]	吕治政, 李扬定, 雷聪. 基于核稀疏表示的属性选择算法[J]. 计算机工程与科学, 2020, 42(01): 166-177.
[8]	楚恒1,2,3,4，蔡衡1,2,3，单德明1,2,3. 高分辨率遥感影像的多特征多核ELM分类方法[J]. 计算机工程与科学, 2019, 41(10): 1816-1822.
[9]	韦修喜1，黄华娟1，周永权1,2. 基于AP聚类的约简孪生支持向量机快速分类算法[J]. 计算机工程与科学, 2019, 41(10): 1899-1904.
[10]	王云艳1,2，罗冷坤1，王重阳1. 基于流形学习的光学遥感图像分类[J]. 计算机工程与科学, 2019, 41(07): 1212-1219.
[11]	冯璋，裴东,王维. 基于改进灰狼算法优化支持向量机的人脸识别[J]. 计算机工程与科学, 2019, 41(06): 1057-1063.
[12]	崔建双，车梦然. 基于多分类支持向量机的优化算法智能推荐系统与实证分析[J]. 计算机工程与科学, 2019, 41(01): 153-160.
[13]	田勋，汪西莉. 基于聚类标签均值的半监督支持向量机[J]. 计算机工程与科学, 2018, 40(12): 2265-2272.
[14]	颜学龙，龚流青，汪斌斌. 基于DCQGA-SMKL-SVM的模拟电路故障诊断方法[J]. 计算机工程与科学, 2018, 40(11): 1944-1950.
[15]	张和杰,马维华. 基于贴近度等级的链路质量评估方法[J]. 计算机工程与科学, 2018, 40(11): 1991-1999.

非线性支持向量机若干关键问题研究

Research on Some Critical Issues of the Nonlinear Support Vector Machine

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价