%0 Journal Article
%T 基于傅立叶核与径向基核的支持向量机性能之比较
%A 林茂六
%A 陈春雨
%J 重庆邮电大学学报(自然科学版)
%D 2005
%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://journal.cqupt.edu.cn/jcuptnse/jcuptnse/ch/reader/view_abstract.aspx?file_no=20050601&flag=1