svm分类不理想怎么办？

sparc10

最近在用SVM做多分类时碰到一个问题，恳请大神指点一二：
数据是16维的，分5类，每类的样本数据数量为14,72,100,45,55. 用tune.svm做
grid search发现无论如何调整gamma和cost，best performance总在50%上下徘徊。
试过各种kernel及加入call.weights都没有大的改进。
这种情况下，还有没有别的办法？还是说本样本数据不适合SVM？
源程序：
说明：s5为数据集，分类字段为Phase

library(e1071)
load("test.rda")
x <- subset(s5, select = -Phase)
y <- s5$Phase
model1 <- tune.svm(x, y, P0.weights = 6, gamma = 2^(-4:0), cost = 2^(0:4))
print(model1)
Parameter tuning of ‘svm’:

- sampling method: 10-fold cross validation

- best parameters:
gamma cost
   0.5    8

- best performance: 0.5023399