SVM参数寻优及其在分类中的应用
【摘要】:支持向量机(Support Vector Machine,简称SVM)是在20世纪90年代中期,由Vapnik提出的一种基于统计学习理论的机器学习算法,目前已应用于很多领域中。在支持向量机应用中,核函数及其参数的选择对支持向量机的分类结果有很大的影响。因此,支持向量机的参数优化成为支持向量机研究中的一个备受关注的研究课题。早期,采用手动调整支持向量机的参数;近几年,多采用智能算法自动优化支持向量机的参数,常用的优化算法有遗传算法、粒子群算法和网格搜索算法等。
本文的主要工作如下:
首先,本文介绍了支持向量机的参数优化。分别利用遗传算法、粒子群算法和网格搜索算法来优化支持向量机的惩罚参数C和高斯核函数中的参数σ。
其次,本文介绍了支持向量机参数优化在分类中的应用。将三种方法优化后的支持向量机用于UCI数据集分类问题中。数值实验结果,可以体现出三种参数优化算法的优缺点。当数据集包含的样本数目比较小时,利用网格搜索算法优化支持向量机的参数比较理想。当数据集包含的样本数目较大时,可以选择遗传算法和粒子群算法优化支持向量机参数。遗传算法优化支持向量机参数虽然在运行时间上不如粒子群算法,但是在分类正确率上占优势。
|
|
|
|
1 |
杨强,吴中福,余平,钟将;基于正反馈的支持向量机[J];重庆大学学报(自然科学版);2004年05期 |
2 |
孙蕾,周明全,李丙春;一种非平衡分布数据的支持向量机新算法[J];计算机应用;2004年12期 |
3 |
黄勇;郑春颖;宋忠虎;;多类支持向量机算法综述[J];计算技术与自动化;2005年04期 |
4 |
杨强,吴中福,余萍,钟将;一种新型支持向量机[J];重庆大学学报(自然科学版);2005年02期 |
5 |
张猛,付丽华,王高峰;模糊临近支持向量机[J];计算机工程与应用;2005年05期 |
6 |
张浩然;汪晓东;张长江;徐秀玲;;一种新型回归支持向量机的学习算法[J];测试技术学报;2006年02期 |
7 |
王晔;黄上腾;;基于间隔区域样本数量的加权支持向量机[J];计算机工程;2006年06期 |
8 |
梁新荣;刘智勇;孙德山;毛宗源;;支持向量机在混沌系统预测中的应用[J];计算机应用研究;2006年05期 |
9 |
卢敏;张展羽;冯宝平;贾仁辅;;基于支持向量机的区域水安全预警模型及应用[J];计算机工程;2006年15期 |
10 |
张阳;刘永革;景旭;;一种改进的线性支持向量机的特征筛选算法[J];西北农林科技大学学报(自然科学版);2006年10期 |
11 |
杨斌;路游;;基于统计学习理论的支持向量机的分类方法[J];计算机技术与发展;2006年11期 |
12 |
谢保川;刘福太;;支持向量机在模拟电路故障诊断中的应用[J];计算机仿真;2006年10期 |
13 |
张绪春;姜礼平;王平;;基于支持向量机的末敏弹命中概率预测研究[J];军事运筹与系统工程;2006年04期 |
14 |
鲁昌华;张军;胡浪涛;;基于支持向量机的铜矿成矿概率的研究[J];电子测量与仪器学报;2007年06期 |
15 |
胡金莲;杨雷;王斌;;用光滑的支持向量机解回归问题[J];科学技术与工程;2007年12期 |
16 |
吴疆;董婷;;基于支持向量机算法的癌症预测[J];榆林学院学报;2007年04期 |
17 |
朱程辉;孙东卫;丰义;吴德会;;基于支持向量机的无监督聚类算法研究[J];计算机工程与应用;2007年26期 |
18 |
陈继超;;支持向量机技术及其应用[J];科技信息(科学教研);2007年25期 |
19 |
李建武;陆耀;;一种快速多分类支持向量机实现策略[J];模式识别与人工智能;2007年03期 |
20 |
陶晓燕;姬红兵;董淑福;;用于非平衡样本分类的近似支持向量机[J];模式识别与人工智能;2007年04期 |
|