《表4 支持向量机法各公式及其说明》
支持向量机是以统计学理论为基础,其分类原理是通过核函数寻找一个超平面将两种类别的数据集分离,然后搜索最优分类边界,通过机器学习方法在潜在高维空间中进行学习,进而实现对目标的分类和识别[7]。核函数的选择是支持向量机法的核心问题,常见的核函数包括线性核函数、多项式核函数、sigmoid核函数以及高斯径向基核函数(RBF:Radial Basis Function),考虑到RBF核函数能处理高维空间不同作物的特征信息和类别的非线性关系,笔者选择RBF核函数。不同核函数表达式如表4所示。
图表编号 | XD00219341100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 马艮寅、雷程翔、贺法川、顾玲嘉、任瑞治 |
绘制单位 | 吉林大学电子科学与工程学院、吉林大学电子科学与工程学院、吉林大学电子科学与工程学院、吉林大学电子科学与工程学院、吉林大学电子科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |