论文部分内容阅读
支持向量机(Support Vector Machine,SVM)是当前机器学习、模式识别和数据挖掘等领域的重要学习方法,核函数选择是研究和应用SVM的关键.传统模型选择方法利用数据从给定的候选集中选择单一核函数,近来的理论和应用表明:利用多核代替单核不仅能增加SVM的灵活性,而且能增强分类器的性能和可解释性.