论文部分内容阅读
针对目前支撑向量机（SVM）核函数的选择没有统一规则的现状，提出一种结合数据分布特征进行SVM核选择的方法．首先，采用多维尺度（MDS）分析方法对高维数据集合理降维，提出判断数据集是否呈圆球分布的算法；然后，在得到数据集分布特征的基础上进行SVM核选择，以达到结合数据分布特征合理选择SVM核函数的目的．实验结果表明：呈圆球分布的数据集采用球面坐标核进行分类，识别率达到100％，训练时间最短，优于采用高斯核SVM及多项式核SVM的分类效果．