摘要：支持向量分类中，高斯核不区分样本中各个特征的重要性，显然各个特征对分类的贡献一般是不相同的．为了体现这种差别从而提高支持向量机的泛化性能，文中提出了多宽度高斯核的概念．多宽度高斯核增加了支持向量机的超级参数，进一步地，文中提出了多参数模型选择算法．算法利用误差界自动实现模型选择．通过实验验证了多宽度高斯核和多参数模型选择算法的有效性．

关键词：支持向量机 多宽度高斯核 多参数模型选择 误差界 

单位：哈尔滨工业大学计算机科学与技术学院; 黑龙江哈尔滨150001; 哈尔滨工业大学深圳研究生院媒体与生命科学实验室; 广东深圳518055; 河北大学数学与计算机科学学院; 河北保定071002; 香港理工大学计算学系; 香港九龙