基于改进遗传算法的SVM参数优化研究

• 作者: 裴生雷 马元良
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 支持向量机 遗传算法 参数优化 交叉验证
• 年，卷（期）: 2010,（8）
• 页码范围: 150-152,193
• 分类号: TP181
• 字数: 3401字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2010.08.036

摘要

针对传统遗传算法的支持向量机参数选择方法易陷入局部极小点,导致过拟合或欠学习的问题,从而提出一种基于改进遗传算法的支持向量机参数选择方法,该方法在遗传算法初始化群体阶段采用加权深度优先搜索机制,克服了遗传算法局部搜索能力差的缺点,对支持向量机的径向基核参数进行优化,找出了具有较强推广能力的径向基核参数.将该算法用于3个基准数据集的仿真实验,结果表明该方法在保证分类精度前提下,大幅度缩短了训练建模时间,提高了运行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马元良		19	46	4.0	6.0
2	裴生雷		15	68	3.0	8.0