基于EDA-DP的LS-SVM参数优化选择

摘要：

通过分析最小二乘支持向量机(LS-SVM)模型的超参数选择对分类器的影响,提出一种采用多样性保持的分布估计算法(EDA-DP)优化选择LS-SVM模型参数的方法.使用基于EDA-DP的LS-SVM分类器模型对基准数据集和雷达目标高分辨距离像数据集进行仿真实验,结果表明,该模型相比基于网格法的分类器模型,平均识别率分别提高了4.2%和1.76%,具有更好的分类性能和泛化能力.

关键词：最小二乘支持向量机、模型参数优化选择、多样性保持的分布估计算法、目标识别、径向基函数

所属期刊栏目：37

分类号：TP183(自动化基础理论)

资助基金：国防科学技术大学重点实验室基金

在线出版日期：2011-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：146-148