基于遗传算法对支持向量机模型中参数优化
支持向量机是基于统计学习理论的结构风险最小化原理基础上提出来的一种学习算法,其在理论上保证了模型的最大泛化能力.针对支持向量机结构参数的选取在没有理论支持,选取又比较困难的情况下,对影响模型分类能力的相关参数进行了研究,提出了一种基于遗传算法和十折交叉检验相结合的遗传支持向量机(GA-SVM)算法,利用遗传算法的全局搜索特性得到支持向量机(SVM)的最优参数值,并用算例表明了此算法有效提高了分类的精度和效率.
支持向量机、遗传算法、参数优化、十折交叉、核函数
29
TP391(计算技术、计算机技术)
2008-12-15(万方平台首次上网日期,不代表论文的发表时间)
共3页
5016-5018