基于遗传算法的支持向量机的参数优化

• 作者: 曹路 欧阳效源
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 支持向量机 核函数 参数 遗传算法
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 算法与分析
• 页码范围: 575-577,595
• 页数: 4页
• 分类号: TP273
• 字数: 2614字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2016.04.003

摘要

支持向量机的性能主要受到核函数的参数和惩罚因子的影响，其中，以高斯核函数作为支持向量机的核函数的应用最为广泛。论文在研究了惩罚参数 C 及高斯核函数参数σ对支持向量机分类性能影响的基础上，利用网格搜索法和遗传算法对基于 RBF 核的 SVM 进行了参数优化，并通过 UCI 数据集进行了验证。实验结果显示，遗传算法相较于网格搜索算法具有更快的搜索速度，在实际运用中更加高效。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹路	五邑大学信息工程学院	14	40	3.0	5.0
5	欧阳效源	中山大学信息科学与技术学院	1	12	1.0	1.0