基于变异函数的径向基核函数参数估计

被引:19
作者
阎辉
张学工
马云潜
李衍达
机构
[1] 清华大学自动化系,清华大学自动化系,清华大学自动化系,清华大学自动化系智能技术与系统国家重点实验室,北京,智能技术与系统国家重点实验室,北京,智能技术与系统国家重点实验室,北京,智能技术与系统国家重点实验室,北京
关键词
支持向量机; 克立格方法; 协方差函数; 径向基核函数;
D O I
10.16383/j.aas.2002.03.019
中图分类号
TP391.4 [模式识别与装置];
学科分类号
0811 ; 081101 ; 081104 ; 1405 ;
摘要
研究了支持向量机 (support vector machine,SVM)方法在一定假设条件下 ,核函数取为样本协方差函数时解的具体形式 ,得出了在该假设情况下 SVM方法等价于克立格方法的结论 ,提出了用协方差函数作为 SVM核函数的思想 .考虑到在某些情况下协方差函数可能不存在 ,因此考虑用变异函数来代替协方差函数估计径向基核函数的宽度参数 .这样不仅解决了SVM中径向基核函数宽度参数的确定问题 ,而且把这种情况下的 SVM拟合与概率统计学中的克立格方法联系了起来 ,赋予了 SVM方法新的统计上的意义
引用
收藏
页码:450 / 455
页数:6
相关论文
共 4 条
[1]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46
[2]  
实用地质统计学[M]. 地质出版社 , 侯景儒等编著, 1998
[3]   A tutorial on Support Vector Machines for pattern recognition [J].
Burges, CJC .
DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167
[4]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297