%0 Journal Article
%T A performance comparison of SVMs based on Fourier kernel and RBF kernel<br>基于傅立叶核与径向基核的支持向量机性能之比较
%A LIN Mao-liu
%A CHEN Chun-yu
%A <br>林茂六
%A 陈春雨
%J 重庆邮电大学学报(自然科学版)
%D 2005
%I 
%X 支持向量机（SVMs）是由Vapnik提出的一种建立在统计学习理论上的新方法。这种方法被深入地研究并广泛应用在诸如分类和回归问题上。由于其基于结构风险最小化的机理，因此相对于其他的经典方法有着更好的泛化特性,其中核函数的选择对支持向量机的性能有着很大的影响。深入地研究了基于傅立叶核函数的支持向量机的特性，得出在某些特殊的情况下，基于傅立叶核函数的支持向量机的性能要好于基于RBF核的支持向量机。最后的仿真对其进行了比较验证。 
%K 支持向量机
%K 函数回归
%K 傅立叶核函数
%K 径向基核函数
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=01BA20E8BA813E1908F3698710BBFEFEE816345F465FEBA5&cid=96E6E851B5104576C2DD9FC1FBCB69EF&jid=5C2694A2E5629ECD6B59D7B28C6937AD&aid=93A67F8D11787FAE&yid=2DD7160C83D0ACED&vid=BCA2697F357F2001&iid=B31275AF3241DB2D&sid=AEE2F90BC0DB5F35&eid=7C13E30F5EDBE7AB&journal_id=1673-825X&journal_name=重庆邮电大学学报(自然科学版)&referenced_num=2&reference_num=4