基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在介绍支持向量机原理和分析核参数对其分类性能影响的基础上,采用改进的“留一法”建立了SVM分类性能的适应度函数,然后,引入小生境遗传算法,在以2个个体之间的海明距离作为共享函数的基础上构建了个体共享后的适应度函数,并给出了选择、交叉和变异方法,最后应用UCI机器学习数据库样本数据进行仿真实验。结果显示该方法是有效和实用的。
推荐文章
一种基于小生境遗传算法的规则提取算法
遗传算法
归纳学习
规则提取
基于小生境遗传算法的矩形件优化排样
矩形件
优化排样
高度调整法
遗传算法
小生境
改进的小生境遗传算法
多峰值函数
小生境
遗传算法
模糊小生境遗传算法研究
遗传算法
小生境
模糊理论
全局优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于小生境遗传算法的SVM参数优化方法
来源期刊 重庆理工大学学报:自然科学 学科 工学
关键词 支持向量机 小生境遗传算法 参数优化 共享适应度函数
年,卷(期) 2011,(12) 所属期刊栏目 信息·计算机
研究方向 页码范围 89-93
页数 分类号 TP181
字数 3164字 语种 中文
DOI 10.3969/j.issn.1674-8425-B.2011.12.019
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 魏延 重庆师范大学计算机与信息科学学院 44 283 10.0 15.0
2 曾绍华 重庆师范大学模式分析与信息处理研究所 16 71 5.0 7.0
3 秦涵书 重庆师范大学计算机与信息科学学院 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (82)
共引文献  (94)
参考文献  (15)
节点文献
引证文献  (6)
同被引文献  (21)
二级引证文献  (36)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(9)
  • 参考文献(1)
  • 二级参考文献(8)
2004(7)
  • 参考文献(1)
  • 二级参考文献(6)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(15)
  • 参考文献(0)
  • 二级参考文献(15)
2007(12)
  • 参考文献(2)
  • 二级参考文献(10)
2008(12)
  • 参考文献(1)
  • 二级参考文献(11)
2009(7)
  • 参考文献(2)
  • 二级参考文献(5)
2010(8)
  • 参考文献(8)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(9)
  • 引证文献(2)
  • 二级引证文献(7)
2015(6)
  • 引证文献(1)
  • 二级引证文献(5)
2016(4)
  • 引证文献(1)
  • 二级引证文献(3)
2017(8)
  • 引证文献(0)
  • 二级引证文献(8)
2018(7)
  • 引证文献(0)
  • 二级引证文献(7)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
支持向量机
小生境遗传算法
参数优化
共享适应度函数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆理工大学学报(自然科学版)
月刊
1674-8425
50-1205/T
重庆市九龙坡区杨家坪
chi
出版文献量(篇)
7998
总下载数(次)
17
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导