拟牛顿算法在SVM内核优化中的应用

被引：2

作者：

葛洪伟 ^{[1
]}

杨小艳 ^{[1
]}

张彦锋 ^{[2
]}

机构：

[1] 江南大学信息工程学院

[2] 焦作大学计算机工程系

来源：

计算机工程 | 2007年 / 08期

关键词：

支持向量机; 超参数; 拟牛顿算法; 经验误差估计;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP301.6 [算法理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081202 ;

摘要：

使用SVM进行分类,超参数的选择非常重要,它直接影响分类的性能。在实际应用中,最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交叉确认功能进行寻优。而拟牛顿算法,可在一个校验集上最小化一个经验误差估计来优化SVM的超参数,使超参数在分类任务中达到最优值,从而取得理想的分类结果。该文对拟牛顿算法进行了探讨,并将其应用在基于SVM的羽绒识别系统中,实验结果表明,该算法是有效的,与未经过超参数优化的SVM分类器相比,羽绒的识别率有了较大提高。

引用

页码：193 / 195

页数：3