基于几何判据的SVM参数快速选择方法

被引:22
作者
杨紫微
王儒敬
檀敬东
应磊
苏雅茹
机构
[1] 中国科学技术大学合肥智能机械研究所
关键词
支持向量机; 参数优化; 高斯核函数;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
140502 [人工智能];
摘要
支持向量机中核函数及其参数的选择具有重要意义。提出一种基于高斯核函数的支持向量机参数对快速求取方法,根据支持向量之间的几何判据,结合线性搜索法完成参数寻优,具有简单、计算量小、易于实现的优点。实验结果表明,该方法较好地解决了高斯核函数参数在实际使用中不易确定的问题,且运算速度高于原有方法。
引用
收藏
页码:206 / 209
页数:4
相关论文
共 1 条
[1]
Asymptotic behaviors of support vector machines with Gaussian kernel [J].
Keerthi, SS ;
Lin, CJ .
NEURAL COMPUTATION, 2003, 15 (07) :1667-1689