支持向量机中的核参数选择问题

被引：36

作者：

齐志泉

田英杰

徐志洁

机构：

[1] 中国农业大学理学院

[2] 中国农业大学经济管理学院

来源：

控制工程 | 2005年 / 04期

关键词：

支持向量机(SVM); 核; 混合遗传算法; LOO上界;

D O I：

10.14107/j.cnki.kzgc.2005.04.026

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

核函数中的参数选择是支持向量机中的一个很重要的问题,它直接影响模型的推广能力。通过最速下降法求LOO上界的极小点来确定核参数是一种新的核参数选择方法。由于该方法易陷入局部最优解,提出了一种基于混合遗传算法求解LOO上界极小点的核参数选择方法。实验证明,通过该方法选择出来的核参数能够提高分类精度,具有实用性。

引用

页码：379 / 381

页数：3