基于RBF核函数的支持向量机参数选择

摘要：

由于SVM在各个领域中得到越来越广泛的应用,而决定SVM性能的因素是核函数的选取.其中,RBF核函数是应用最广泛的核函数,且有两个参数:惩罚因子C和核参数γ.因此,希望能找到最优化参数组(C,γ)使SVM具有最好推广性.首先提出了用E=lsv/n代替留一法来评估SVM的推广性,它的优点是速度快、准确性高;然后,分析参数C和γ对SVM性能的影响,由此将问题归结在一个小的"好区"内选取最优参数组(C,γ);最后,分别用穷举法和下文所提出的方法进行比较,得出在"好区"内用Cγ=C(常数)来确定最优化参数同样能得到很好的推广性,而且速度上比穷举法快的多.此方法,具有一定的实际应用价值.

关键词：支持向量机、RBF核参数、惩罚因子C、推广识别率

所属期刊栏目：35

分类号：TP181(自动化基础理论)

在线出版日期：2007-04-19（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：163-167