一种支持向量机参数选择的改进分布估计算法

• 作者: 王雪松 程玉虎 郝名林
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 支持向量机 参数选择 混沌变异 分布估计算法
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 机器学习与数据库挖掘
• 页码范围: 7-10
• 页数: 4页
• 分类号: TP18
• 语种: 中文

摘要

支持向量机(support vector machine,SVM)的学习性能和泛化能力在很大程度上取决于参数的合理设置.将支持向量机的参数选择问题转化为优化问题,以模型预测均方根误差为评价函数,提出一种引入混沌变异操作的改进分布估计算法(estimation of distribution algorithm,EDA),并将其用于优化求解ε-支持向量机的参数:惩罚因子、不敏感损失系数以及高斯径向基核函数的宽度.由于改进EDA利用混沌运动的随机性和遍历性等特点在解空间内进行优化搜索,能够较好解决传统EDA易于陷入局部极小的缺陷.Chebyshev混沌时间序列预测仿真结果表明:改进EDA是选取SVM参数的有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程玉虎		58	576	13.0	20.0
2	王雪松		71	677	13.0	22.0
3	郝名林		5	105	4.0	5.0