10.3969/j.issn.1009-1440.2017.05.054
支持向量机参数优化研究
基于统计学习理论的支持向量机作为数据挖掘中的新技术,开发了一个极好的机器学习方法.它被认为是机器学习领域非常受欢迎的和成功的例子.支持向量机应用到实际问题时,首先面临的模型参数,包括支持向量机和核参数的选择.参数的选择直接决定了训练支持向量机的效率和效果,如何选择参数是支持向量机的主要问题.本文介绍的支持向量机参数优化和粒子群优化算法的关键知识,支持向量机的性能是很大程度上取决于参数设置,包括的惩罚参数和核函数参数,如何选择支持向量机的关键参数问题.
向量机参数、优化、研究
TS7;TH7
2017-11-29(万方平台首次上网日期,不代表论文的发表时间)
共2页
77-78