【摘要】合适的核函数参数对支持向量机的性能起着重要作用,然而如何选择参数是目前尚未得到很好的解决的一个难点问题。文章从实用的角度出发,提出了一种基于一类学习的支持向量机核参数选择方法,利用一类学习算法——支持向量数据描述的特性,通过简单的二分搜索法获取单类数据中一定支持向量个数比例下的核参数值;然后再确定支持向量机核函数参数。实验结果表明,对于不同问题,该方法可快速找到合适的核参数。