一种快速的SVM最优核参数选择方法

• 作者: 何秀玲 李琼 董才林 陈增照
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机(SVM) 核参数选择 特征空间 可分性度量
• 年，卷（期）: 2010,（15）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 165-168
• 分类号: TP391.43
• 字数: 5350字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.15.049

摘要

支持向量机是一种基于核的学习方法,核函数及核参数的选择直接影响到SVM的泛化能力.传统的参数选择方法如网格搜索法,由于其计算量大,训练过程十分耗时,提出了一种新的快速选择最优核参数方法,该方法通过计算各类别在特征空间的可分性度量值来决定最优核参数,不需训练相应SVM分类模型,从而大大缩减了训练时间,提高了训练速度,且分类精度与传统方法相比,具有相当的竞争力.实验证明,该算法是可行有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李琼	华中师范大学数学与统计学学院	25	208	7.0	14.0
2	董才林	华中师范大学数学与统计学学院	28	133	6.0	10.0
3	何秀玲	华中师范大学数学与统计学学院	34	180	7.0	12.0
4	陈增照	华中师范大学数学与统计学学院	31	225	7.0	14.0