高斯核支持向量机分类和模型参数选择研究

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：支持向量机（Support Vector Machine，SVM）是近几年发展起来的机器学习新方法，以高斯核为核函数的支持向量机在实际应用中表现出良好的学习性能，被广泛应用于模式分类中。论文研究了高斯核支持向量机分类在IRIS分类问题上的应用，并结合结构风险最小化原则分析了误差惩罚参数C和高斯核宽度σ对SVM性能的影响，最后通过数值实验进一步分析了这种影响。

原文链接:http://www.cqvip.com//QK/91690X/200601/21061372.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：支持向量机 参数选择 向量机 machine Support 支持向量机 结构风险最小化原则 高斯核 核参数