共 5 条
- [5] A tutorial on Support Vector Machines for pattern recognition[J]. DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) : 121 - 167Burges, CJC
基于混沌优化算法的支持向量机参数选取方法
被引：53
作者：
袁小芳
王耀南
机构：
[1] 不详
[2] 湖南大学电气与信息工程学院
[3] 不详
来源：
关键词：
机器学习;
支持向量机;
混沌优化;
参数选取;
D O I：
10.13195/j.cd.2006.01.113.yuanxf.026
中图分类号：
TP18 [人工智能理论];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
支持向量机(SVM)的参数取值决定了其学习性能和泛化能力.对此,将SVM参数的选取看作参数的组合优化,建立组合优化的目标函数,采用变尺度混沌优化算法来搜索最优目标函数值.混沌优化算法是一种全局搜索方法,在选取SVM参数时,不必考虑模型的复杂度和变量维数.仿真表明,混沌优化算法是选取SVM参数的有效方法,应用到函数逼近时具有优良的性能.
引用
收藏
页码：111 / 113+117
+117
页数：4
相关论文