SVM在阵列信号定位中的应用

摘要

函数拟合属于基于数据学习的问题.支持向量机是由Vapnik等人提出的小样本统计理论--统计学习理论发展而来的一种新的通用学习算法,特别在高维空间中表示复杂函数.该文叙述了基于支持向量机的函数拟合预测信源在水域中的位置,并仿真了在不同参数时所收到的不同结果.在小样本情况下,采用较大的惩罚值,就可以得到较高的精确率;同时测试了环境参数确定情况下,采用的样本数多也不一定能取得更佳的精确率,可见,在小样本情况下,样本数并不是主要因素.