摘要
在研究支持向量机(SVM)核方法和小波框架理论的基础上,提出了一种称为小波支持向量机(WaveletSupport Vector Machines,WSVM)的新的机器学习构造方法.该方法引入小波基函数构造SVM的核函数,得到了一种新的SVM模型,然后提出了此模型的结构设计和实现算法,最后给出了几种常用的小波核函数,并给出了理论证明.通过仿真实验,把该方法与小波神经网络、高斯核SVM相比较,得到了较好的实验结果,从而验证了该方法的正确性和有效性.
Based on the Kernel method of Support Vector Machines (SVM) and wavelet frame, a new method so-called
Wavelet Support Vector Machines (WSVM) is proposed. A wavelet basis is introduced to construct kernel
function of SVM. Furthermore, an algorithm for constructing and training the WSVM is presented. Finally,
several common wavelet kernel functions are proposed and proved. Simulation examples are also given to illustrate
the effectiveness of the method.
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2004年第2期167-172,共6页
Pattern Recognition and Artificial Intelligence
关键词
小波
支持向量机
核函数
框架理论
再生核希尔伯特空间
Wavelet
Support Vector Machines
Kemet Function
Frame Theory
Reproducing Kernet Hilbert Space
