双正则化参数的L2-SVM参数选择

摘要：

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。

关键词：统计学习理论、支持向量机、VC维、参数选择

分类号：TP181(自动化基础理论)

在线出版日期：2014-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：99-102,246