基于启发式广度优先搜索的SVR参数优化方法研究

• 作者: 向昌盛 周子英 夏艳军
• 来源期刊: 生物信息学
• 学科: 工学
• 关键词: 支持向量回归机 广度优先搜索 参数选择 交叉验证
• 年，卷（期）: 2010,（3）
• 页码范围: 219-222
• 分类号: TP181
• 字数: 4169字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-5565.2010.03.009

摘要

支持向量回归机(Support vector regressio,SVR)模型的拟合精度和泛化能力取决于其相关参数的选择,其参数选择实质上是一个优化搜索过程.根据启发式广度优先搜索(Heuristic Breadth first Search,HBFS)算法在求解优化问题上高效的特点,提出了一种以k-fold交叉验证的最小化误差为目标,HBFS为寻优策略的SVR参数选择方法,通过3个基准数据集对该模型进行了仿真实验,结果表明该方法在保证预测精度前提下,大幅度的缩短了训练建模时间,为大样本的SVR参数选择提供了一种新的有效解决方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	向昌盛	湖南农业大学东方科技学院	32	348	10.0	17.0
2	周子英	湖南农业大学资环学院	35	474	10.0	21.0
3	夏艳军	湖南农业大学生物科学技术学院	4	58	2.0	4.0