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 |