[1]李雷 任宇飞.基于欧式距离的一种新的核函数[J].计算机技术与发展,2012,(11):157-160.
　LI Lei,REN Yu-fei.A New Kind of Kernel Function Based on Euclidean Distance[J].,2012,(11):157-160.
点击复制

基于欧式距离的一种新的核函数()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2012年11期
页码:
157-160
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
A New Kind of Kernel Function Based on Euclidean Distance
文章编号:
1673-629X（2012）11-0157-04
作者:
李雷 任宇飞
南京邮电大学理学院
Author(s):
LI Lei;  REN Yu-fei
College of Science, Nanjing University of Posts and Telecommunications
关键词:
支持向量机; 核函数; T—KMOD核; 分类
Keywords:
SVM ;  kernel function;  T-KMOD kernel;  classification
分类号:
TP31
文献标志码:
A
摘要:
支持向量机表现的好坏很大程度上取决于核函数的选取，因此最近几年关于核函数的研究有许多。越来越多的核函数也被提了出来!但是选取合适的核函数往往却不容易，因为数据的特征往往不知道。文中利用函数的Taylor展开思想，提出了一种新的核函数，叫T—KMOD，基于KMOD提出的。该核函数的灵活性更好，可以处理很多分类的问题。用网络入侵的数据对该核函数进行了仿真，从仿真的结果可以看出，和一些常用的核函数相比，它的鲁棒性更好，有更强的分类能力。同时该函数的分类效果更好。所以该核函数和一般常用的核函数相比，可能更具有一般选择性
Abstract:
The behaviors of SVM largely depends on its adopted kernel function, so there are many researches on kernel function in recent years. More and more kernel functions are presented. It＇s very difficult to select a proper kernel function mentioned above,because the nature of the date is usually unknown. It presents a new kind of kernel function by the thought of function＇s Taylor expansion, called T-KMOD,based on KMOD. Its flexibility is better,so it may deal with lots of mapping problems. From the performance of T-KMOD investigated on network intrusion dates,obtain that it is robust and has stronger mapping ability comparing with commonly applied kernel functions. And it can obtain better generalization performance as well. So the proposed kernel function may be served as a generic alterna tive for some commonly applied kernel functions

相似文献/References:

[1]李雷 张建民.一种改善的基于支持向量机的边缘检测算子[J].计算机技术与发展,2010,(03):125.
　LI Lei,ZHANG Jian-min.An Improved Edge Detector Using the Support Vector Machines[J].,2010,(11):125.
[2]李晶 姚明海.基于支持向量机的语义图像分类研究[J].计算机技术与发展,2010,(02):75.
　LI Jing,YAO Ming-hai.Research of Semantic Image Classification Based on Support Vector Machine[J].,2010,(11):75.
[3]姜鹤 陈丽亚.SVM文本分类中一种新的特征提取方法[J].计算机技术与发展,2010,(03):17.
　JIANG He,CHEN Li-ya.A New Feature Selection Method in SVM Text Categorization[J].,2010,(11):17.
[4]曹庆璞 董淑福 罗赟骞.网络时延的混沌特性分析及预测[J].计算机技术与发展,2010,(04):43.
　CAO Qing-pu,DONG Shu-fu,LUO Yun-qian.Chaotic Analysis and Prediction of Internet Time- Delay[J].,2010,(11):43.
[5]时书剑 马燕.基于Gabor滤波和KPCA的人脸识别方法[J].计算机技术与发展,2010,(04):51.
　SHI Shu-jian,MA Yan.Face Recognition Based on Gabor Filters and Kernel Principal Component Analysis[J].,2010,(11):51.
[6]路川 胡欣杰.区域航空市场航线客流量预测研究[J].计算机技术与发展,2010,(04):84.
　LU Chuan,HU Xin-jie.Analysis of Regional Airline Passenger Forecast Title[J].,2010,(11):84.
[7]黄炜 黄志华.一种基于遗传算法和SVM的特征选择[J].计算机技术与发展,2010,(06):21.
　HUANG Wei,HUANG Zhi-hua.Feature Selection Based on Genetic Algorithm and SVM[J].,2010,(11):21.
[8]刘振岩 王勇 陈立平 马俊杰 陈天恩.基于SVM的农业智能决策Web服务的研究与实现[J].计算机技术与发展,2010,(06):213.
　LIU Zhen-yan,WANG Yong,CHEN Li-ping,et al.Research and Implementation of Intelligence Decision Web Services Based on SVM for Digital Agriculture[J].,2010,(11):213.
[9]王李冬.一种新的人脸识别算法[J].计算机技术与发展,2009,(05):147.
　WANG Li-dong.A New Algorithm of Face Recognition[J].,2009,(11):147.
[10]狄明明 孙德山.聚类分析和支持向量机在股票研究中的应用[J].计算机技术与发展,2009,(06):229.
　DI Ming-ming,SUN De-shan.Applications of Cluster Analysis and Support Vector Machines to Stock Research[J].,2009,(11):229.
[11]陈俏 曹根牛 陈柳.支持向量机应用于大气污染物浓度预测[J].计算机技术与发展,2010,(01):247.
　CHEN Qiao,CAO Gen-niu,CHEN Liu.Application of Support Vector Machine to Atmospheric Pollution Prediction[J].,2010,(11):247.
[12]孙秋凤.microRNA计算识别中的模式识别技术[J].计算机技术与发展,2010,(06):97.
　SUN Qiu-feng.Pattern Recognition Technology for MicroRNA Identification[J].,2010,(11):97.
[13]颜景斌 伊戈尔·艾杜阿尔达维奇.基于连续小波和支持向量机分类音乐类型[J].计算机技术与发展,2008,(12):19.
　YAN Jing-bin,IGOR. Kheidorov.Musical Genre Classification Based on Continuous Wavelet and Support Vector Machines[J].,2008,(11):19.
[14]高湘萍 许丹 吴小培.基于核Fisher判别分析的意识任务识别新方法[J].计算机技术与发展,2006,(09):82.
　GAO Xiang-ping,XU Dan,WU Xiao-pei.A New Mental Task Recognition Method Based on Kernel Fisher Discriminant Analysis[J].,2006,(11):82.
[15]刘盼盼,李雷.SVM图像分割中最优权值组合核函数的研究[J].计算机技术与发展,2013,(03):96.
　LIU Pan-pan,LI Lei.Research of Optimal Weighted Combination Kernel Functions in Image Segmentation Based on SVM[J].,2013,(11):96.
[16]徐远方,李成城.基于支持向量机和约束条件的新词识别研究[J].计算机技术与发展,2014,24(01):98.
　XU Yuan-fang,LI Cheng-cheng.Research on New Word Identification Based on Support Vector Machine and Constraint Condition[J].,2014,24(11):98.
[17]魏峻. 一种有效的支持向量机参数优化算法[J].计算机技术与发展,2015,25(12):97.
　WEI Jun. An Effective Parameter Optimization Algorithm of Support Vector Machine[J].,2015,25(11):97.
[18]顾晓瑜,杨悦. 一种基于SVM的声源定位算法[J].计算机技术与发展,2017,27(09):70.
　GU Xiao-yu,YANG Yue. A Sound Source Localization Algorithm with Support Vector Machine[J].,2017,27(11):70.
[19]江翠丽,曹腾飞,李长哲,等.基于ＳＶＭ 的视频用户需求预测算法[J].计算机技术与发展,2021,31(05):38.[doi:10. 3969 / j. issn. 1673-629X. 2021. 05. 007]
　,g,et al.ＶｉｄｅｏＵｓｅｒＤｅｍａｎｄＰｒｅｄｉｃｔｉｏｎＡｌｇｏｒｉｔｈｍ ＢａｓｅｄｏｎＳＶＭ[J].,2021,31(11):38.[doi:10. 3969 / j. issn. 1673-629X. 2021. 05. 007]

备注/Memo

备注/Memo:
国家自然科学资金（10371106,10471114）;江苏省自然科学基金（04kJBll0097）李雷（1958-），男，博士，教授，研究方向为智能信号处理、非线性分析与计算智能；任宇飞（1986-），男，安徽合肥人，硕士研究生，研究方向为信息处理理论与应用
更新日期/Last Update: 1900-01-01