支持向量回归参数调整的一种启发式算法

被引：23

作者：

刘靖旭 ^{[1
]}

蔡怀平 ^{[2
]}

谭跃进 ^{[2
]}

机构：

[1] 信息工程大学信息工程学院

[2] 国防科学技术大学信息系统与管理学院

来源：

系统仿真学报 | 2007年 / 07期

关键词：

交叉验证误差; 支持向量回归; 参数调整; 启发式算法;

D O I：

10.16182/j.cnki.joss.2007.07.033

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

对支持向量回归(Support Vector Regression,SVR)的自由参数进行调整是提高SVR模型推广能力的重要途径,通常通过最小化模型的推广误差估计来实现。交叉验证(CrossValidation,CV)误差是推广误差的一种近似无偏估计,基于CV误差的参数调整大多采用网格搜索法,计算比较费时,需要寻找高效的参数调整算法。通过对径向基核函数SVR的CV误差随参数变化趋势的分析,提出一种启发式搜索算法。该算法采用阶梯式搜索以找出近似最优解,然后用局部算法求取更精确的解。基准数据集上的实验表明所提算法的有效性和高效性。

引用

页码：1540 / 1543+1547 +1547

页数：5