基于凸包估计的核参数选择方法

核及相关参数的选择是支撑向量机(support vector machine,SVM)研究中的核心问题之一。基于统计学习理论,提出一种通过角度切割样本集求解训练样本的近似凸包来进行最优核参数选择的方法。该方法可以克服传统的基于求解优化问题的方法所具有的计算复杂度高的缺点,且无论数据是否稠密,分布是否均匀都可适用。数值实验说明了提出的方法可行性与有效性。