GA_SJ在SVM核参数优化中的应用

摘要：

支持向量机（SVM）是一种性能良好的机器学习方法，但是对于其参数的选择还缺少系统的理论作为指导。针对经典的SVM参数选择方法——遗传算法的一些不足，提出了改进，并将其与SVM相结合，得到自动选择核参数并进行SVM训练的算法即GA_SJ算法。该算法通过将随机搜索引入到遗传算法当中，并采用最优保存策略和动态的交叉和变异概率，有效地提高了遗传算法的效率。数值实验结果证实了GA_SJ算法在SVM参数优化中的可行性和有效性，而且得到的SVM具有较高的分类性能。

关键词：支持向量机、遗传算法、随机搜索、参数优化

分类号：TP18(自动化基础理论)

资助基金：辽宁省教育厅基金项目No.L2012105。

在线出版日期：2015-03-03（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：110-114