基于贝叶斯支持向量机模型选择算法改进

• 作者: 王文涛 陈聪
• 来源期刊: 中南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 拟牛顿法 模型选择 置信度
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 93-96
• 页数: 4页
• 分类号: TP180
• 字数: 3188字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4321.2009.01.023

摘要

通过对贝叶斯方法的分析,探讨了SVM的模型选择问题,提出SVM模型的选择可以看作等价于求解概率模型下置信度最大化的观点.首先,通过使用相关后验概率上的数学期望近似计算置信度梯度,然后用拟牛顿法求解置信度最大化问题.在数据集训练过程中引入阶梯度的SMO算法以提高训练效率.实验证明:此算法与网格法和Span估计法相比,改善了SVM的多参数选择问题,提高了执行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文涛	中南民族大学计算机科学学院	45	166	7.0	10.0
2	陈聪	中南民族大学计算机科学学院	5	8	2.0	2.0