| 基于核相似性差异最大化的支持向量机参数选择算法 |
| |
| 引用本文： | 唐耀华,郭为民,高静怀.基于核相似性差异最大化的支持向量机参数选择算法[J].模式识别与人工智能,2010,23(2). |
| |
| 作者姓名： | 唐耀华 郭为民 高静怀 |
| |
| 作者单位： | 1. 河南电力试验研究院热工研究所,郑州,450052
2. 西安交通大学电子与信息工程学院,西安,710049 |
| |
| 摘 要： | 针对支持向量机(SVM)参数选择问题,通过分析SVM近似网络模型及分类原理,提出一种基于核相似性差异最大化的高斯核参数快速选择算法(MSD).同时,将MSD算法与基于交叉验证的参数搜索算法相结合,构成一种复合SVM参数选择算法(MSD-GS),实现核参数与正则化参数的快速优选.UCI数据的仿真实验表明该算法具有参数选择准确、简便快速、无需数据先验知识等优点,参数选择效果甚至优于遍历式指数网格搜索算法.优选出的参数组合能够使SVM具有较高的泛化性能.
|
| 关 键 词： | 参数选择 高斯核函数 支持向量机(SVM) 相似性度量 |
SVM Parameter Selection Algorithm Based on Maximum Kernel Similarity Diversity |
| |
| TANG Yao-Hua,GUO Wei-Min,GAO Jing-Huai.SVM Parameter Selection Algorithm Based on Maximum Kernel Similarity Diversity[J].Pattern Recognition and Artificial Intelligence,2010,23(2). |
| |
| Authors: | TANG Yao-Hua GUO Wei-Min GAO Jing-Huai |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
