支持向量机是近年来发展的以统计学习理论为基础的新型学习机.该学习机用结构风险代替经验风险,因而具有传统的神经网络无法相比的优势.在该学习机的各各研究方向中,核函数的选择无疑是极其重要的核心问题.通过对核矩阵的计算和研究,从理论上为核函数的选择提供了参考.
朱树先,张仁杰. 支持向量机核函数选择的研究[J]. 科学技术与工程, 2008, (16): .ZHU Shu-xian, ZHANG Ren-jie. Research for Selection of Kernel Functions Used in Support Vector Machine[J]. Science Technology and Engineering,2008,(16).