论文部分内容阅读
模糊超球面支持向量机（FHS-SVM）在处理一类分类问题时比超平面支持向量机泛化能力更强，特别是在雷达目标检测中得到了成功应用,FHS-SVM训练时需要预设一些超参数，不同的超参数得到的FHS-SVM性能差异很大,文中首先证明了FHS-SVM训练过程与证据框架第一层贝叶斯推理的等价性，然后在证据框架下提出了FHS-SVM超参数优化迭代方法,基于超宽带合成孔径雷达探雷数据，通过与穷举方法结果的对比检验了迭代优化方法的有效性。