一种支持向量机算法设计中优化的混合加权核函数选取与样本加权方法

• 作者: 史辉 曹万鹏 罗云彬
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 核函数 SVM ACO 分类器
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 340-346
• 页数: 7页
• 分类号: TP311
• 字数: 8546字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2018.02.028

摘要

为提高支持向量机(SVM)算法的分类精度,本文基于SVM分类算法工作原理,提出一种新的样本权值设置方法,并将SVM最大分类间隔因素引入蚁群算法(ACO)中,实现了优化的混合加权核函数选取.首先,依据最大分类间隔决定SVM分类模型潜在分类能力这一原理,基于样本对最大分类间隔的不同贡献自适应地为其设置权值.然后,将SVM最大分类间隔因素引入ACO搜索算法的参数设置中,对混合加权核函数方案进行确定.本文算法从提高SVM分类模型分类确定性的角度出发,实现了训练样本权值、核函数以及其相应系数的自适应设置、选取.最终,本文方法用于一系列有针对性的笔迹验证实验,实验结果证明用本文方法学习所得SVM分类模型对后续待检测样本具有更高分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹万鹏	北京工业大学未来网络科技高精尖创新中心	2	9	1.0	2.0
2	罗云彬	北京工业大学未来网络科技高精尖创新中心	2	9	1.0	2.0
3	史辉	北京工业大学未来网络科技高精尖创新中心	2	9	1.0	2.0