论文部分内容阅读
针对目前支撑向量机（Support Vector Machine，SVM）核函数的选择没有统一规则的现状，提出了一种结合数据分布特征进行SVM核选择的方法．采用多维尺度分析方法（Multidimensional Scaling，MDS）对高维数据集合理降维，提出判断数据集是否呈柱状分布的算法，在得到数据集分布特征的基础上进行SVM核选择，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，呈柱状分布的数据集采用柱面坐标核进行分类，识别率达到100％，训练时间最短，优于采用神经网络、决策树、高斯核