10.3969/j.issn.1672-5565.2010.03.009
基于启发式广度优先搜索的SVR参数优化方法研究
支持向量回归机(Support vector regressio,SVR)模型的拟合精度和泛化能力取决于其相关参数的选择,其参数选择实质上是一个优化搜索过程.根据启发式广度优先搜索(Heuristic Breadth first Search,HBFS)算法在求解优化问题上高效的特点,提出了一种以k-fold交叉验证的最小化误差为目标,HBFS为寻优策略的SVR参数选择方法,通过3个基准数据集对该模型进行了仿真实验,结果表明该方法在保证预测精度前提下,大幅度的缩短了训练建模时间,为大样本的SVR参数选择提供了一种新的有效解决方案.
支持向量回归机、广度优先搜索、参数选择、交叉验证
8
TP181(自动化基础理论)
国家自然科学基金30570352
2010-11-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
219-222