采用遗传算法优化最小二乘支持向量机参数的方法

• 作者: 戴天虹 杨少春 王克奇 白雪冰
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 最小二乘支持向量机 遗传算法 参数选择 LS-SVMlab工具箱
• 年，卷（期）: 2009,（7）
• 所属期刊栏目: 基金项目论文
• 页码范围: 109-111
• 页数: 3页
• 分类号: TP3
• 字数: 3861字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2009.07.037

摘要

支持向量机是建立在统计学习理论上的一种学习算法,较好地解决了小样本学习问题.由不同的参数和核函数构造的支持向量机在性能上存在很大差异,而在参数和核函数的选择上目前还没有明确的理论依据.针对支持向量机的参数选择问题,提出了一种采用遗传算法优化最小二乘支持向量机参数的方法.结合LS-SVMlab工具箱,在MATLAB实验平台的仿真实验表明,该方法提高了支持向量机的参数选择效率,得到的参数对测试样本的分类结果是最优的,从而避免了人为设定参数的不足,同时缩短了优化时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王克奇	东北林业大学机电工程学院	83	952	19.0	27.0
2	白雪冰	东北林业大学机电工程学院	64	811	18.0	25.0
3	戴天虹	东北林业大学机电工程学院	54	523	13.0	21.0
4	杨少春	东北林业大学机电工程学院	7	212	7.0	7.0