基于统计试验设计方法的支持向量机参数选取

被引：6

作者：

黄景涛 ^{[1
]}

马龙华 ^{[2
]}

钱积新 ^{[2
]}

机构：

[1] 河南科技大学电子信息工程学院

[2] 浙江大学工业控制技术国家重点实验室系统工程研究所

来源：

电路与系统学报 | 2008年 / 13卷 / 06期

关键词：

支持向量机; 参数选取; 正交试验设计;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

为优化支持向量机算法参数的选取,提出了一种基于统计试验设计的参数选取方法。在参数空间内进行优化搜索,以较少的搜索次数获得参数的优化组合,提高算法整体性能。将基于统计学基础的正交试验设计方法整合到支持向量机算法的实施过程中,形成一个完整的算法。在几个数据集上的测试结果表明,该方法能够有效提高分类率,相应的模型复杂度较低。

引用

页码：18 / 22

页数：5

共 4 条

[1]

正交与均匀试验设计[M]. 科学出版社 , 方开泰, 2001

[2]

Hyperparameter design criteria for support vector classifiers[J] . Davide Anguita,Sandro Ridella,Fabio Rivieccio,Rodolfo Zunino.Neurocomputing . 2003 (1)

[3] Choosing Multiple Parameters for Support Vector Machines [J].

Olivier Chapelle ;

Vladimir Vapnik ;

Olivier Bousquet ;

Sayan Mukherjee .

Machine Learning, 2002, 46 :131-159

[4] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167

← 1 →