关于支持向量机参数选择方法分析

被引：40

作者：

王睿

机构：

[1] 重庆师范大学数学与计算机科学学院

来源：

关键词：

支持向量机; 参数选择;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在分析支持向量机(SVM)原理基础上,分析了SVM中核函数、核参数及惩罚参数C的影响。介绍了两种SVM参数选择方法,作了深入比较,并提出了一种改进的最优化方法。

引用

页码：36 / 38+42 +42

页数：4

共 6 条

[1] 支持向量机训练算法的实验比较 [J].

姬水旺 ;

姬旺田 .

[2] 支持向量机参数选择方法研究 [J].

董春曦 ;

饶鲜 ;

杨绍全 ;

徐松涛 .

[3] 汇率预报的非线性组合建模与预测方法研究 [J].

董景荣 .

[4] 基于RBF核的SVM的模型选择及其应用 [J].

王鹏 ;

朱小燕 .

[5] 基于说话人聚类和支持向量机的说话人确认研究 [J].

侯风雷 ;

王炳锡 .

[6]

数据挖掘中的新方法[M]. 科学出版社 , 邓乃扬, 2004