支持向量机增量学习中模型参数选择问题研究

• 作者: 倪世宏 张鹏 谢川
• 来源期刊: 空军工程大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 增量学习 模型参数选择 鲁棒度 拟合误差 梯度下降法
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 航空工程与技术
• 页码范围: 5-9
• 分类号: TP391
• 字数: 3797字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3516.2011.05.002

摘要

支持向量机性能主要受模型参数的影响,而支持向量机增量学习中模型参数选择问题研究较少.针对这一问题,提出一种支持向量机增量学习中模型参数选择方法.将鲁棒度作为增量学习的性能估计准则,用拟合误差和比例系数调节解空间取值范围,采用梯度下降法搜索参数,用初始模型参数作为梯度下降法的初始值.用该方法对Logistic模型和航空发动机振动监控进行实验.结果表明:与基本遗传算法和梯度法进行比较,所提方法能充分利用历史学习的结果,缩小解空间的搜索范围,加快收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪世宏	空军工程大学工程学院	77	520	11.0	16.0
2	张鹏	空军工程大学工程学院	83	557	12.0	18.0
3	谢川	空军工程大学工程学院	33	231	10.0	14.0