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。