摘要：支持向量（Support Vector Machine，SVM）是在统计学习理论基础上发展起来的一种新的机器学习方法，已成为目前研究的热点，并在模式识别领域有了广泛的应用。首先分析了支持向量机原理，随后引入一种改进的径向基核函数，在此基础上，提出了一种改进核函数的SVM模式分类方法。与基于IRIS数据，进行了计算机仿真实验，与基于模糊k-近邻的模式分类仿真结果比较。结果表明改进的SVM方法分类性能比模糊k-近邻算法（Fuzzy k—Nearest Neighbor，FKNN）的分类性能更好，运算时间更短，更易于实时实现。

原文链接:http://www.cqvip.com//QK/91481X/200704/25112559.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）