基于RBF核的SVM学习算法的优化计算

• 作者: 张晓龙 李琳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 RBF核 双线性网格搜索法 模型选择 参数优化
• 年，卷（期）: 2006,（29）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 190-192,204
• 页数: 4页
• 分类号: TP301
• 字数: 4659字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.29.058

摘要

在SVM学习中,对SVM的核函数及其参数的选择还没有形成一个统一的模式.论文对基于RBF核的SVM分类器中参数(C,γ)的选定做了深入研究.分别探讨了网格搜索法和双线性搜索法以RBF为核的搜索特征,并对它们进行了改进.通过结合双线性搜索法和网格搜索法,提出了一种双线性网格搜索法.实验表明,双线性网格搜索法能有效地结合双线性搜索法训练量小和网格搜索法学习精度高的优点,提高学习精度和学习性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李琳	武汉科技大学计算机科学与技术学院	51	469	8.0	21.0
2	张晓龙	武汉科技大学计算机科学与技术学院	49	652	13.0	24.0