摘要：支持向量机是一种基于核的学习方法，核函数选取对支持向量机性能有着重要的影响，如何有效地进行核函数选择是支持向量机研究领域的一个重要问题。目前大多数核选择方法不考虑数据的分布特征，没有充分利用隐含在數据中的先验信息。为此，引入能量熵概念，借助超球体描述和核函数蕴藏的度量特征，提出一种基于样本分布能量熵的支持向量机核函数选择方法，以提高SVM学习能力和泛化能力。数值实例仿真验证表明了该方法的可行性和有效性。
　　关键词：支持向量机；核函数；样本分布；先验信息；能量熵