%0 Journal Article
%T 基于尺度核函数的最小二乘支持向量机*
%A 武方方
%A 赵银亮
%J 模式识别与人工智能
%P 598-603
%D 2006
%X 支持向量机的核函数一直是影响其学习效果的重要因素.本文基于小波分解理论和支持向量机核函数的条件,提出一种多维允许支持向量尺度核函数.该核函数不仅具有平移正交性,且可以以其正交性逼近二次可积空间上的任意曲线,从而提升支持向量机的泛化性能.在尺度函数作为支持向量核函数的基础之上,提出基于尺度核函数的最小二乘支持向量机(LSSSVM).实验结果表明,LSSSVM在同等条件下比传统支持向量机的学习精度更高,因而更适用于复杂函数的学习问题.
%K 支持向量机
%K 核函数
%K 支持向量核函数
%K 尺度核函数
%K 最小二乘支持向量机(LSSVM)
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10691.shtml