本文提出了一种用于支持向量机（SVM）的深拟线性内核。 通过使用预训练的深度神经网络，可以构建深度准线性核。 为了实现该目标，首先设计了多层门控双线性分类器，以通过使用深度神经网络生成门控制信号来模仿预训练的深度神经网络的功能。 然后，通过将SVM公式应用于多层门控双线性分类器，得出一个深准线性核。这样，我们就可以进一步隐式优化多层门控双线性分类器的参数，该参数是一组通过使用SVM优化，可以复制预训练的深度神经网络的参数但彼此独立。 在不同数据集上的实验结果表明，具有建议的深准线性核的SVM具有利用预训练的深度神经网络的优势，并且优于具有RBF核的SVM。
