10.16652/j.issn.1004-373x.2017.17.027
基于遗传算法的双子支持向量机的模型选择
双子支持向量机是在支持向量机的基础上提出的一种新的机器学习方法.与传统支持向量机相比,双子支持向量机寻找的是一对不平行的超平面,计算效率是传统支持向量机的4倍.然而,双子支持向量机的参数较多,在应用过程中存在较大局限性.在研究了惩罚参数和核参数对双子支持向量机分类性能影响的基础上,利用遗传算法来选择双子支持向量机的参数,避免了盲目的模型选择.实验结果显示,所提算法能有效选择合适参数,获得的参数能使双子支持向量机具有较好的泛化性能,同时也更加高效.
双子支持向量机、遗传算法、核函数、参数选择
40
TN98-34;TP273
广东省青年创新人才项目2015KQNCX172;江门市科技计划项目江科[2015]138号;五邑大学校级博士启动基金2016BS13;五邑大学青年基金2015zk11;2016年国家级大学生创新创业训练计划项目201611349025
2017-09-20(万方平台首次上网日期,不代表论文的发表时间)
共4页
105-108