%0 Journal Article
%T 支持向量机最优参数选择的研究
%A 刘东辉？
%A 卞建鹏？
%A 付 平？
%A 刘智青？
%J 河北科技大学学报
%P 58-61
%D 2009
%R 10.7535/hbkd.2009yx01012
%X 支持向量机是近几年发展起来的机器学习方法,模型选择是设计支持向量机的关键。基于高斯核函数的支持向量机具有良好的学习性能,被广泛应用于模式分类中,讨论了核函数中c和γ对分类函数的影响,提出针对不同类型的数据,svm应选用不同的核函数,同时利用二分法对核函数(c,γ)寻优,并将其应用于变压器故障诊断中,仿真结果表明该方法具有较好的性能。
%K 支持向量机
%K 模型选择
%K 高斯核函数
%K 二分法
%U http://xuebao.hebust.edu.cn/hbkjdx/ch/reader/view_abstract.aspx?file_no=20090112&flag=1