论文部分内容阅读
为提高支持向量机性能，提出一种支持向量机核函数的迭代改进新算法．利用与数据有关的保角映射，使核函数包含了全部学习样本的信息，即核函数具有数据依赖性．基本核函数的参数可取随机初值，通过对核函数进行多次迭代改进，直至得到满意的学习效果．与传统方法相比，新算法不需要筛选核函数的参数．对一元连续函数和强地震事件的仿真计算结果表明，改进SVR（support vector regression）的学习效果优于传统方法，并且随着迭代次数的增加，学习风险下降收敛，收敛速度依赖于传统方法的基本参数和改进方法的参数．