深度优先搜索的支持向量机参数优化算法

• 作者: 李立红 许元飞
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 支持向量机 深度优先搜索 交叉验证 参数选择
• 年，卷（期）: 2011,（7）
• 所属期刊栏目: 人工智能与专家系统
• 页码范围: 216-219
• 分类号: TP181
• 字数: 2972字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2011.07.054

摘要

研究支持向量机参数优化问题,由于算法要求准确选择SVM参数,支持向量机在处理大样本数据集时和最优模型参数确定时,消耗的时间长、占有内存大,易获得局部最优解的难题.为了解决支持向量机存在的不足,采用深度优先搜索算法对其参数优化机机制进行改进.将向量机参数优化视成一个组合优化问题,将支持向量机模型的分类误差作为优化目标函数,采用深度优先算法对其进行求解,最后将模型应用于3个标准分类数据集.仿真结果表明,优化参数后的支持向量机加快模型的训练速度度,提高了分类的准确率,很好的解决了支持向量机参数优化难题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许元飞		17	60	5.0	7.0
2	李立红		2	20	1.0	2.0