SVM参数优化方法分析与决策

• 作者: 王艺伟 郭克友 郭晓丽
• 来源期刊: 计算机测量与控制
• 关键词: 支持向量机 核函数 传统优化算法 智能优化算法
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 设计与应用
• 页码范围: 255-259
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2016.06.070

摘要

针对支持向量机应用过程中的参数选择问题，从UCI数据库选择样本集，分别采用传统的网格法、智能优化算法中的粒子群法及遗传算法实现核函数参数寻优过程，将所得最佳参数应用到样本测试中；在深入分析优化过程中各参数关系、参数对支持向量机性能的影响以及传统与智能优化算法的优劣后，得出了核函数优化策略；即先使用智能优化算法初步确定最优解范围，再结合网格法进行高精度寻优；实验数据验证了参数优化策略的有效性，为扩大支持向量机泛化率、提高应用性做了铺垫。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭克友	北京工商大学材料与机械工程学院	33	157	8.0	10.0
2	郭晓丽	北京工商大学材料与机械工程学院	9	62	4.0	7.0
3	王艺伟	北京工商大学材料与机械工程学院	7	35	3.0	5.0