摘要：支持向量机（Support Vector Machine,SVM）在解决小样本、非线性及高维模式识别中具有优势,但核函数的选取没有定论,且其参数对SVM模型的性能起重要作用。针对这些问题,文章建立了基于SVM的分类模型,并通过UCI数据集验证了径向基核函数（Radial Basis Function,RBF）较其他核函数的有效性,其中核参数的选取采用改进的网格搜索法进行寻优。分类实验结果表明,选择RBF核函数的分类准确度较其他核函数提高了2.5%到35%。
分类：期刊> 人文社会科学> 社会科学II> 教育综合
收录：知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：支持向量机 径向基核函数 网格法 分类
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
