10.3778/j.issn.1002-8331.1307-0326
双正则化参数的L2-SVM参数选择
寻找支持向量机(SVM)的最优参数是支持向量机研究领域的热点之一。2范数软间隔SVM(L2-SVM)将样本转化成线性可分,在原始单正则化参数L2-SVM的基础上,提出双正则化参数的L2-SVM,获得它的对偶形式,从而确定了最优化的目标函数。然后结合梯度法,提出了一种新的支持向量机参数选择的新方法(Doupenalty-Gradient)。实验使用了10个基准数据集,结果表明,Doupenalty-Gradient方法是可行且有效的。对于实验所用的样本,极大地改善了分类精度。
统计学习理论、支持向量机、VC维、参数选择
TP181(自动化基础理论)
2014-04-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
99-102,246