一种基于凸包稀疏化与遗传算法优化的SVM算法

摘要：

SVM(support vector machine)算法求解支持向量的过程涉及到N阶矩阵的计算,N为样本的个数,当样本数量很大时,高阶矩阵的计算将需要消耗大量运算时间;同时,SVM模型性能依赖于惩罚参数与核参数的优化,传统的循环验证参数优化法,时间复杂度高.为了解决上面两方面的问题,笔者采用凸包算法对训练样本进行稀疏化,同时通过遗传算法优化选择惩罚参数与核参数,提出了一种高性能的SVM模型训练算法.

关键词：遗传算法、凸包算法、支持向量机、惩罚参数、核参数

所属期刊栏目：44

分类号：TP311(计算技术、计算机技术)

资助基金：中国高等教育学会重点资助项目2019ZXZD011

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：29-36