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