10.3969/j.issn.1672-9722.2007.08.021
基于分段层近法的SMO参数选择
传统的支撑向量机(SVM)训练速度非常慢,使用RBF核的序列最小优化(SMO)是有效的SVM改进算法.综合网格法和双线形法的优点,提出分段层近法选择参数惩罚因子C和核参数σ2.同时用来训练二维数据,实验证明,SMO算法与传统的SVM算法都使用该法选定参数,在推广识别率方面为同一水平的情况下,运行速度有很大的提高.
支持向量机、惩罚因子、RBF核、序列最小优化、参数选择
35
TP18(自动化基础理论)
2007-10-08(万方平台首次上网日期,不代表论文的发表时间)
共3页
60-61,81