支撑向量机(Support Vector Machine,SVM)是近年来受到广泛关注的一类学习机器,它以统计学习理论(Statistical Learning Theory,SL......

支持向量机(Support Vector Machine)是数据挖掘的新方法,也是一种小样本统计工具,它在解决小样本、非线性及高维的模式识别问题上......

支持向量机作为一种发展成熟的机器学习算法,已在各领域得到广泛应用,但核参数的选择一直是影响支持向量机算法效果的核心问题.因......

核选择是支撑向量机（Support Vector Machine，SVM）研究中的核心问题之一。提出了一种基于数据分布特征的SVM核函数及其参数选择的方法......

作为支持向量机(support vector machine,SVM)高光谱影像分类的一个重要环节,参数设置的效率和精度直接影响到SVM模型训练效率和最......

对支持向量机中核函数的核参数选择问题进行了研究,在深入分析核极化这一核函数度量标准的前提下,提出了一种直接最大化核极化的Ga......

将SVM应用于解决实际问题中时,选择核函数及其参数是一个关键,核函数及其参数选择的好坏直接影响SVM分类器性能的优劣,因此如何选......

支持向量机是一种基于核的学习方法,核函数及核参数的选择直接影响到SVM的泛化能力。传统的参数选择方法如网格搜索法,由于其计算......