摘要
在SVM学习中,对SVM的核函数及其参数的选择还没有形成一个统一的模式。论文对基于RBF核的SVM分类器中参数(C,")的选定做了深入研究。分别探讨了网格搜索法和双线性搜索法以RBF为核的搜索特征,并对它们进行了改进。通过结合双线性搜索法和网格搜索法,提出了一种双线性网格搜索法。实验表明,双线性网格搜索法能有效地结合双线性搜索法训练量小和网格搜索法学习精度高的优点,提高学习精度和学习性能。
With SVM,there is no a uniform mode to choice SVM's kernel function and its parameters.In order to get the parameter of SVM with RBF kernel,this paper presents a bilinear grid search method,which combines grid search and bilinear search.Experiment results show that the proposed bilinear grid search has the advantage of good performance and high predict accuracy compared to grid search.
出处
《计算机工程与应用》
CSCD
北大核心
2006年第29期190-192,204,共4页
Computer Engineering and Applications
基金
教育部留学回国人员科研启动基金资助
湖北省教育厅重点项目(编号:2004D006)
关键词
支持向量机
RBF核
双线性网格搜索法
模型选择
参数优化
Support Vector Machine,RBF kernel,bilinear grid search,model selection,parameters optimization