| 一种推广高斯核模型设计及其优化 |
| |
| 引用本文： | 韩虎,任恩恩.一种推广高斯核模型设计及其优化[J].计算机工程与应用,2008,44(30):72-73. |
| |
| 作者姓名： | 韩虎 任恩恩 |
| |
| 作者单位： | 1. 兰州交通大学,数理与软件工程学院,兰州,730070;兰州交通大学,光电技术与智能控制教育部重点实验室,兰州,730070
2. 兰州交通大学,光电技术与智能控制教育部重点实验室,兰州,730070 |
| |
| 摘 要： | 支持向量机分类中,不同属性对分类的贡献往往不同,针对此问题,在核函数中引入属性权重,提出一种推广的高斯核模型,同时以最小化k-fold交叉验证误差为目标,采用粒子群算法进行推广高斯核的模型选择。最后通过UCI上标准数据集进行实验,证实该方法能够有效提高支持向量机的推广能力。
|
| 关 键 词： | 支持向量机 属性权重 推广高斯核 交叉验证 粒子群优化 |
| 收稿时间： | 2007-11-28 |
| 修稿时间： | 2008-2-18
|
Design and optimization of generalized Gaussian kernel |
| |
| HAN Hu,REN En-en.Design and optimization of generalized Gaussian kernel[J].Computer Engineering and Applications,2008,44(30):72-73. |
| |
| Authors: | HAN Hu REN En-en |
| |
| Affiliation: | 1.College of Mathematics，Physics &; Software Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China 2.Key Laboratory Opto-Electronic Technology and Intelligent Control，Lanzhou Jiaotong University，Lanzhou 730070，China |
| |
| Abstract: | In support vector classification,different features effect differently on classification.For this problem,a generalized Gaussian kernel function is proposed by using features weight,particle swarm optimization is used to do the model selection with the k-fold cross-validation error as the fitness.Then experiment results on UCI dataset show that the method can improve the performance of SVM. |
| |
| Keywords: | support vector machine feature weight generalized Gaussian kernel cross validation particle swarm optimization |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
|
