一种基于数据的核参数优化方法

被引：1

作者：

门昌骞

王文剑

王平

机构：

[1] 山西大学

来源：

电脑开发与应用 | 2006年 / 01期

基金：

山西省青年科学基金;

关键词：

核参数; 参数优化; 凸包估计; 支撑向量机;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

SVM是一种基于核的学习方法,核及相关参数的选择对其性能有非常重要的影响,提出了一种数据依赖的最优核参数估计方法,通过角度切割样本集求解训练样本的近似凸包,以确定最优的核参数。实验结果表明,无论数据是否稠密,分布是否均匀,算法都可适用,该方法有较高的可行性与有效性。

引用

收藏

页码：15 / 16

页数：2

相关论文

empty

未找到相关数据