学术论文信息

 题名：   基于遗传算法的SVM参数优化研究 
 作者：   芮铭敏 
 杂志/会议：   2012年东南大学校庆研究生学术报告会 
 卷、期、页码：    
 时间：   2012-06 
 关键词：   支持向量机；分类；遗传算法；自适应 
 摘要：  支持向量机(SVM)是机器学习领域的一种比较新颖的方法，能够克服维数灾难等传统统计学问题，能够较好地处理小样本学习问题，而其中的核函数参数和惩罚因子至关重要。作者利用文献[6]所提供的实验结果进行比较性的实验，首先验证遗传算法(GA)的RFB核函数稳定性以及与网格法比较实验结果的优劣，再利用GA对SVM的参数进行进一步的优化实验，然后设计了改进后的自适应GA(AGA)，并进行同样的实验。通过实验的结果对比，GA和AGA都表现出有更好的效果，为更多基于改进的GA的SVM参数优化提供参考。
 索引：   
 全文链接        导出