《表3 SVM常用核函数：SVM算法在硬件木马旁路分析检测中的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《SVM算法在硬件木马旁路分析检测中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在步骤1中，核函数κ（xi，xj）实现了样本x i与xj从原始空间映射到一个更高维的特征空间，使得样本在这个特征空间内线性可分的功能。由于核函数是隐式定义特征空间，并且对学习模型性能影响重大，因此使用者需要通过比较结果性能选取最佳核函数。根据训练数据有无标签的区别，分别建立有监督学习模型和半监督学习模型。本文选取常用的线性核、多项式核和高斯核（见表3）并建立了有监督模式下的SVM学习模型，通过比较检测准确率和效率选取最优核函数。半监督SVM学习模型中沿用了该选择结果。