基于混沌优化算法的支持向量机参数选取方法

摘要：

支持向量机(SVM)的参数取值决定了其学习性能和泛化能力.对此,将SVM参数的选取看作参数的组合优化,建立组合优化的目标函数,采用变尺度混沌优化算法来搜索最优目标函数值.混沌优化算法是一种全局搜索方法,在选取SVM参数时,不必考虑模型的复杂度和变量维数.仿真表明,混沌优化算法是选取SVM参数的有效方法,应用到函数逼近时具有优良的性能.

关键词：机器学习、支持向量机、混沌优化、参数选取

所属期刊栏目：21

分类号：TP18(自动化基础理论)

资助基金：中国科学院资助项目60375001;高等学校博士学科点专项科研项目20030532004

在线出版日期：2006-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：111-113,117