收录：
摘要：
本发明公开一种基于分类间隔样本贡献度的SVM样本加权方法，基于对SVM分类算法中不同样本对分类间隔大小影响的分析，并依据实际应用中特定分类效果的偏好，设计了一种随样本不同而自适应变化的权值；通过计算不同样本对SVM算法产生分类间隔的贡献度的大小，为其分配相应的权值，使对分类间隔增加贡献度大的样本在分类器模型构建的过程中起到更大的作用，进而提高最终分类器模型的后续潜在分类能力。应用本文方法进行了笔迹鉴权，实验结果证明与其它组合核函数选取方法相比，本文提出的方法具有更好表现。
关键词：
通讯作者信息：
电子邮件地址：
