论文研究-多核支持向量数据描述分类方法研究.pdf

时间:2022-09-30 08:31:07
【文件属性】:

文件名称:论文研究-多核支持向量数据描述分类方法研究.pdf

文件大小:651KB

文件格式:PDF

更新时间:2022-09-30 08:31:07

论文研究

核函数、惩罚因子、核参数是影响支持向量数据描述(SVDD)分类方法分类效果的重要因素。研究了多核支持向量数据描述(MKSVDD)分类方法,给出了多核支持向量数据描述分类方法的实现步骤,基于banana数据集分析了惩罚因子和核参数对分类效果的影响,重点讨论了多核函数的权值对支持向量数据描述边界分布的影响。仿真实验结果表明,与单核支持向量数据描述分类方法相比较,多核支持向量数据描述分类方法的分类效果更佳,为实际应用时参数的选择提供了参考。


网友评论