【模式识别】SVM核函数

以下是几种常用的核函数表示:

线性核(Linear Kernel)


多项式核(Polynomial Kernel)


径向基核函数(Radial Basis Function)

也叫高斯核(Gaussian Kernel),因为可以看成如下核函数的领一个种形式:

径向基函数是指取值仅仅依赖于特定点距离的实值函数,也就是。任意一个满足特性的函数 Φ都叫做径向量函数,标准的一般使用欧氏距离,尽管其他距离函数也是可以的。所以另外两个比较常用的核函数,幂指数核,拉普拉斯核也属于径向基核函数。此外不太常用的径向基核还有ANOVA核,二次有理核,多元二次核,逆多元二次核。
幂指数核(Exponential Kernel)
 
拉普拉斯核(Laplacian Kernel)
 
ANOVA核(ANOVA Kernel)
 
二次有理核(Rational Quadratic Kernel)
 
多元二次核(Multiquadric Kernel)
 
逆多元二次核(Inverse Multiquadric Kernel)
 
另外一个简单实用的是Sigmoid核(Sigmoid Kernel)
 
以上几种是比较常用的,大部分在SVM,SVM-light以及RankSVM中可用参数直接设置。还有其他一些不常用的,如小波核,贝叶斯核,可以需要通过代码自己指定。



(转载请注明作者和出处:http://blog.csdn.net/xiaowei_cqu 未经允许请勿用于商业用途)


没有更多推荐了,返回首页

私密
私密原因:
请选择设置私密原因
  • 广告
  • 抄袭
  • 版权
  • 政治
  • 色情
  • 无意义
  • 其他
其他原因:
120
出错啦
系统繁忙,请稍后再试