摘要
提出了一种基于多核支持向量机的概率密度估计方法。其基本思路是从概率密度的定义出发,利用支持向量机求解线性算子方程的方法,直接估计出密度。使用多核支持向量机取代传统的支持向量机方法来估计概率密度,从仿真结果来看,与Parzen窗方法相比,基于多核支持向量机的概率密度估计方法的精度等级与Parzen窗方法类似,同时又具有Parzen窗方法所不具备的稀疏解；与基于传统支持向量机的概率密度估计方法相比,基于多核支持向量机的概率密度估计方法具有更强的鲁棒性,并且其精度更高。
A new method for density estimation is developed based on the Multi -Kernel Support Vector Machine （SVM） in this paper. This method is used to estimate the density directly from the definition of density. Compared with Parzen, the results of this method have similar quality and sparse solutions. And this method provides improved accuracy and robustness in comparison to conventional SVMs.
出处
《计算机仿真》
CSCD
2006年第1期85-88,共4页
Computer Simulation
基金
973计划资助项目 2003CB716103
关键词
多核支持向量机
概率密度估计
回归估计
核函数
Multi - kernel support vector machine
Density estimation
Regression
Kernel function
