论文部分内容阅读
支持向量机（support vector machines，sVM）的分类精度和泛化能力会受到核函数及其工作参数的影响，传统的核函数参数选择方法缺乏理论支持，花费的时间较多，效果也不一定理想。针对此问题，提出一种基于半定规划的SVM模型，利用半定规划来判别一组给定的核函数工作参数是否有效，并能用有效的核函数工作参数组合计算出更优的核矩阵，提高SVM模型的分类精度。在UCI数据集上的实验结果表明，用此方法判别核函数工作参数是可行的，所组合出的半定规划SVM模型的泛化能力优于传统的SVM模型，并且异构核半定规