双正则化参数的L2-SVM参数选择

• 作者: 姚程宽 许建华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 统计学习理论 支持向量机 VC维 参数选择
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 99-102,246
• 页数: 5页
• 分类号: TP181
• 字数: 2938字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1307-0326

摘要

寻找支持向量机（SVM）的最优参数是支持向量机研究领域的热点之一。2范数软间隔SVM（L2-SVM）将样本转化成线性可分，在原始单正则化参数L2-SVM的基础上，提出双正则化参数的L2-SVM，获得它的对偶形式，从而确定了最优化的目标函数。然后结合梯度法，提出了一种新的支持向量机参数选择的新方法（Doupenalty-Gradient）。实验使用了10个基准数据集，结果表明，Doupenalty-Gradient方法是可行且有效的。对于实验所用的样本，极大地改善了分类精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚程宽	安庆医药高等专科学校公共基础部	32	70	4.0	6.0
2	许建华	南京师范大学计算机学院	12	383	6.0	12.0