基于RBF核函数的支持向量机参数选择

被引：144

作者：

林升梁 ^{[1
]}

刘志 ^{[2
]}

机构：

[1] 浙江工业大学信息工程学院

[2] 浙江工业大学软件学院

来源：

浙江工业大学学报 | 2007年 / 02期

关键词：

支持向量机; RBF核参数; 惩罚因子C; 推广识别率;

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：

由于SVM在各个领域中得到越来越广泛的应用,而决定SVM性能的因素是核函数的选取.其中,RBF核函数是应用最广泛的核函数,且有两个参数:惩罚因子C和核参数γ.因此,希望能找到最优化参数组（C,γ）使SVM具有最好推广性.首先提出了用E=lsvn代替留一法来评估SVM的推广性,它的优点是速度快、准确性高;然后,分析参数C和γ对SVM性能的影响,由此将问题归结在一个小的“好区”内选取最优参数组（C,γ）;最后,分别用穷举法和下文所提出的方法进行比较,得出在“好区”内用Cγ=C（常数）来确定最优化参数同样能得到很好的推广性,而且速度上比穷举法快的多.此方法,具有一定的实际应用价值.

引用

页码：163 / 167

页数：5