SVM在阵列信号定位中的应用

函数拟合属于基于数据学习的问题。支持向量机是由Vapnik等人提出的小样本统计理论———统计学习理论发展而来的一种新的通用学习算法 ,特别在高维空间中表示复杂函数。该文叙述了基于支持向量机的函数拟合预测信源在水域中的位置 ,并仿真了在不同参数时所收到的不同结果。在小样本情况下 ,采用较大的惩罚值 ,就可以得到较高的精确率 ;同时测试了环境参数确定情况下 ,采用的样本数多也不一定能取得更佳的精确率 ,可见 ,在小样本情况下 。