支持向量机最优参数选择的研究

摘要：

支持向量机是近几年发展起来的机器学习方法,模型选择是设计支持向量机的关键.基于高斯核函数的支持向量机具有良好的学习性能,被广泛应用于模式分类中,讨论了核函数中C和γ对分类函数的影响,提出针对不同类型的数据,SVM应选用不同的核函数,同时利用二分法对核函数(C,γ)寻优,并将其应用于变压器故障诊断中,仿真结果表明该方法具有较好的性能.

关键词：支持向量机、模型选择、高斯核函数、二分法

所属期刊栏目：30

分类号：TP18(自动化基础理论)

资助基金：河北省自然科学基金资助项目F2007000636

在线出版日期：2009-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：58-61