[发明专利]基于样本先验信息的支持向量机核函数选择方法及应用

权利要求书

1.一种基于样本先验信息的支持向量机核函数选择方法，包括如下步骤：

步骤1：输入样本数据其中Rⁿ为n维数据空间，并对X进行变换使数据的范数小于1；

步骤2：对给定样本数据进行超球体的数学描述以及确定超球体的重心O和半径R；

步骤3：建立样本分布能量熵函数，并计算各样本的能量熵；

步骤4：构建样本分布判别函数及计算其判别结果；

步骤5：根据其判别结果与核函数性质的相似性选择核函数类型；

步骤6：合理确定样本训练集和测试集后，SVM模型及参数优化；

步骤7：输出预测结果。

2.一种基于样本先验信息的支持向量机核函数选择方法在印度肝脏病人数据集的应用，其特征是：包括如下步骤：

A步骤：样本共有579个数据，维数为10；经数据预处理后计算出超球体的重心O坐标为：0.5058，0.0000，0.1073，0.1786，0.085，0.3473，0.1652，0.4493，0.5326，0.4500，R=0.4984，α=0.9048；

由此判断该样本数据呈局部分布特性，则选取具有局部特性的径向基核函数为SVM核函数类型；

B步骤：按照已知样本的80%作为训练集、20%作为测试集，则取样本中的464个作为训练集、115组做为测试集；

C步骤：随机选出3组数据：

①第一组训练集分别取自编号为1^#至154^#、194^#至348^#、388^#至542^#，共计464个样本数据；测试集分别取自编号为155^#至193^#、349^#至387^#、543^#至579^#，共计115个样本数据；

②第二组训练集分别取自编号为39^#至193^#、349^#至387^#、427^#至579^#，共计464个样本数据；测试集分别取自编号为1^#至38^#、194^#至232^#、388^#至426^#，共计115个样本数据；

③第三组训练集取自编号为1^#至464^#，测试集取自编号为465^#至579^#；

获得的结果：

①径向基核函数：83.65%，多项式核函数：73.08%；

②径向基核函数：87.50%，多项式核函数：77.88%；

③径向基核函数：90.38%，多项式核函数：85.58%。