《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》
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。
图表编号 | XD00151374700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 佟鑫、李莹、陈岚 |
绘制单位 | 中国科学院微电子研究所EDA中心、中国科学院微电子研究所EDA中心、中国科学院微电子研究所EDA中心 |
更多格式 | 高清、无水印(增值服务) |