拟牛顿算法在SVM内核优化中的应用

• 作者: 张彦锋 杨小艳 葛洪伟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 支持向量机 超参数 拟牛顿算法 经验误差估计
• 年，卷（期）: 2007,（8）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 193-195
• 页数: 3页
• 分类号: TP391
• 字数: 3730字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2007.08.068

摘要

使用SVM进行分类,超参数的选择非常重要,它直接影响分类的性能.在实际应用中,最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交叉确认功能进行寻优.而拟牛顿算法,可在一个校验集上最小化一个经验误差估计来优化SVM的超参数,使超参数在分类任务中达到最优值,从而取得理想的分类结果.该文对拟牛顿算法进行了探讨,并将其应用在基于SVM的羽绒识别系统中,实验结果表明,该算法是有效的,与未经过超参数优化的SVM分类器相比,羽绒的识别率有了较大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛洪伟	江南大学信息工程学院	86	456	11.0	17.0
2	张彦锋	焦作大学计算机工程系	4	6	2.0	2.0
3	杨小艳	江南大学信息工程学院	2	5	2.0	2.0