首页> 中文会议>中国运筹学会第八届学术交流会 >高斯核支持向量机最优模型参数选择搜索算法

高斯核支持向量机最优模型参数选择搜索算法

页面导航

摘要
著录项
相似文献
相关主题

摘要

本文通过研究高斯核支持向量机在具体分类问题中的应用,分析了模型惩罚参数C和高斯核参数σ对SVM分类性能的影响,提出了利用格子点法配合k-折交叉验证技术搜索模型最优参数的算法,以得到推广能力最优的SVM,最后通过数值实验进一步验证了算法的有效性.

著录项

来源
《中国运筹学会第八届学术交流会》|2006年|716-722|共7页
会议地点深圳
作者
侯伟真; 潘美芹;
展开▼
作者单位

中国运筹学会;

展开▼
会议组织
正文语种
原文格式 PDF
中图分类最优化的数学理论;
关键词
支持向量机; 高斯核; 参数选择; 格子点法; k-折交叉验证; 最优模型;

相似文献

中文文献
外文文献
专利

1. 高斯核支持向量机分类和模型参数选择研究 [J] . 郑小霞 ,钱锋 . 计算机工程与应用 . 2006,第001期
2. 随机傅里叶特征空间中高斯核支持向量机模型选择 [J] . 冯昌 ,廖士中 . 计算机研究与发展 . 2016,第009期
3. 支持向量机最优参数选择的研究 [J] . 刘东辉 ,卞建鹏 ,付平 . 河北科技大学学报 . 2009,第001期
4. 集成特征选择的最优化支持向量机分类器模型研究 [J] . 赵宇 ,陈锐 ,刘蔚 . 计算机科学 . 2016,第008期
5. 异常检测中支持向量机最优模型选择方法 [J] . 张雪芹 ,顾春华 ,吴吉义 . 电子科技大学学报 . 2011,第004期
6. 高斯核支持向量回归机和模型参数选择研究 [C] . 侯伟真 ,潘美芹 . 中国自动化学会第21届青年学术年会 . 2006
7. 高斯核参数选择与正交多项式核构造 [A] . 田萌 . 2017

获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

客服微信
服务号