基于SVM分类问题的核函数选择仿真研究

doi:10.3969/j.issn.1006-2475.2011.08.037

计算机与现代化 ›› 2011, Vol. 1 ›› Issue (8): 133-136.doi: 10.3969/j.issn.1006-2475.2011.08.037

基于SVM分类问题的核函数选择仿真研究

宋晖¹，薛云¹，张良均²

1.华南师范大学物理与电信工程学院，广东广州 510006； 2.广州太普软件科技有限公司，广东广州 510665

收稿日期:2011-05-23 修回日期:1900-01-01 出版日期:2011-08-10 发布日期:2011-08-10

Research on Kernel Function Selection Simulation Based on SVM Classification

SONG Hui¹, XUE Yun¹, ZHANG Liang-jun²

1. School of Physics and Telecommunication Engineering, South China Normal University, Guangzhou 510006, China;2. Guangzhou Tiptech Software Co., Ltd., Guangzhou 510665, China

Received:2011-05-23 Revised:1900-01-01 Online:2011-08-10 Published:2011-08-10

摘要/Abstract

摘要： 首先讨论支持向量机（SVM）的基本思想和实现过程，随后着重对SVM核函数进行探讨，从理论上研究常用核函数的选择优化问题。采用UCI数据库中的玻璃识别数据、菖蒲植物数据以及汽车评估数据分别对选择不同的核函数情况进行实验仿真分类和比较。仿真结果表明，同类数据选择不同核函数会产生不同的分类效果，选取合适的核函数对分类效果有很大的影响。

关键词: 分类, 支持向量机, 核函数

Abstract: The basic theory and realization of support vector machines are described. Then the kernel functions of SVM and its optimization problem are discussed. The different kernel function selections are carried out simulation experiments with glass identification database, iris plants database and car evaluation database of UCI. The simulation results show that the data of same type with different kernel function have different classification efficiency and there is great influence for classification efficiency with right selection of kernel function.

Key words: classification, SVM, kernel function

中图分类号:

TP183

宋晖;薛云;张良均. 基于SVM分类问题的核函数选择仿真研究[J]. 计算机与现代化, 2011, 1(8): 133-136.

SONG Hui;XUE Yun;ZHANG Liang-jun. Research on Kernel Function Selection Simulation Based on SVM Classification[J]. Computer and Modernization, 2011, 1(8): 133-136.

[1]	孟娜, 方维维, 路红英. 一种面向微控制器上环境声音分类的DNN压缩方法[J]. 计算机与现代化, 2024, 0(01): 80-86.
[2]	邱凯星, 冯广. 基于双重特征注意力的多标签图像分类模型[J]. 计算机与现代化, 2023, 0(12): 41-47.
[3]	杨博, 庄毅. 基于AOA-MSVM的控制集群故障检测方法[J]. 计算机与现代化, 2023, 0(12): 112-116.
[4]	唐诗琪, 周瑞平, 谢仕斌, 刘梦赤, 肖文, . 基于栈式降噪编码器的跨语言多标签情感分类[J]. 计算机与现代化, 2023, 0(11): 6-12.
[5]	吴甜, 刘海华, 童顺延. 基于深度反馈的卷积神经网络的图像分类[J]. 计算机与现代化, 2023, 0(09): 82-86.
[6]	马国祥, 杨凌菲, 严传波, 张志豪, 孙彬, 王晓荣. 基于深度DenseNet网络的肝包虫病超声影像诊断方法[J]. 计算机与现代化, 2023, 0(09): 100-104.
[7]	欧阳飞, 吴旭, 向东升. 基于改进YOLOX的垃圾分类检测方法[J]. 计算机与现代化, 2023, 0(08): 68-73.
[8]	李兰兰, 高建龙, 朱晓, 穆培政. 基于区域内读数段分类的插入/缺失基因组变异检测方法[J]. 计算机与现代化, 2023, 0(07): 13-19.
[9]	杨孙哲, 孙爱珍. 基于HSV颜色与LBP纹理特征的水稻氮素营养诊断[J]. 计算机与现代化, 2023, 0(07): 86-92.
[10]	秦竹媛, 吴浩忠, 谭代庆, 韩爱庆, 臧昊, 王选, 唐燕. 基于多尺度ResNet融合注意力机制的麦冬细粒度识别[J]. 计算机与现代化, 2023, 0(07): 105-111.
[11]	朱剑波, 葛明锋, 董文飞. 基于改进EfficientNet的阿尔兹海默症图像分类[J]. 计算机与现代化, 2023, 0(06): 56-61.
[12]	申志, 李元 . 基于KPCA和SSA优化SVM的非线性过程故障检测#br#[J]. 计算机与现代化, 2023, 0(06): 15-20.
[13]	华昕宇, 祁云嵩. 一种基于CBAM和改进通道注意力的EfficientNet的混合脑肿瘤分类方法[J]. 计算机与现代化, 2023, 0(05): 1-7.
[14]	王杰, 潘凤, 张艳莎, 谭棉, 严晓波, 王林, . 融合带权非局部模块的铝型材表面缺陷分类[J]. 计算机与现代化, 2023, 0(05): 86-92.
[15]	尹建丰, 卫鑫, 顾雄伟, 黄凯, 魏敏捷. 基于图像阈值优化及改进SVM的电表数字识别[J]. 计算机与现代化, 2023, 0(05): 106-110.

基于SVM分类问题的核函数选择仿真研究

Research on Kernel Function Selection Simulation Based on SVM Classification

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价