基于EDA-DP的LS-SVM参数优化选择

被引：3

作者：

熊杨 ^{[1
,2
]}

肖怀铁 ^{[1
]}

王伟 ^{[2
]}

机构：

[1] 国防科学技术大学电子科学与工程学院

[2] 中国人民解放军部队

来源：

计算机工程 | 2011年 / 37卷 / 14期

关键词：

最小二乘支持向量机; 模型参数优化选择; 多样性保持的分布估计算法; 目标识别; 径向基函数;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

通过分析最小二乘支持向量机(LS-SVM)模型的超参数选择对分类器的影响,提出一种采用多样性保持的分布估计算法(EDA-DP)优化选择LS-SVM模型参数的方法。使用基于EDA-DP的LS-SVM分类器模型对基准数据集和雷达目标高分辨距离像数据集进行仿真实验,结果表明,该模型相比基于网格法的分类器模型,平均识别率分别提高了4.2%和1.76%,具有更好的分类性能和泛化能力。

引用

页码：146 / 148

页数：3

共 8 条

[1] 基于参数优化的支持向量机战场多目标声识别 [J].