ScholarMate
客服热线:400-1616-289

基于线性距离核的支持向量机设计

闭思泽; 黄廷磊
中国知网
桂林电子科技大学

摘要

为了消除样本数量对现有SVM决策函数计算的影响,提出一种基于样本数据线性距离特征的线性距离核函数来改进SVM。基于该核函数的SVM决策函数,实现了与样本数量无关的分类计算,极大提升SVM在执行超大规模分类计算的速度。仿真结果表明,该核函数具有与常用核函数一样的性能,可以完成非线性SVM的训练和分类。

关键词

核函数 决策函数 支持向量机 样本数量无关 线性距离 kernel function decision function SVM sample number removed linear distance