一种基于数据独立性的SVC核参数选择方法

• 作者: 王文剑 马亮
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 核参数 MI算法 数据独立性
• 年，卷（期）: 2007,（4）
• 页码范围: 59-62
• 页数: 4页
• 分类号: TP181
• 字数: 2402字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-6600.2007.04.015

摘要

提出一种选择支持向量分类(Support Vector Classification,SVC)最优核参数的算法,称为MI(Maximum Isolation)算法,通过定义样本间的独立性,可以获得最优核参数和相应的最优学习模型.该算法可以在支持向量机训练之前得到最优的核参数,计算代价较小,实验证明所提出的算法简单有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文剑		10	96	5.0	9.0
2	马亮		1	0	0.0	0.0