摘要
核函数中的参数选择是支持向量机中的一个非常重要的问题,它直接影响到模型的推广能力。本文提出了采用粒子群算法搜索支持向量机最优核参数的方法,并在 Checker 数据集上进行了实验,实验结果表明,通过这种方法选择出来的核参数能够提高分类正确率以及预测正确率,具有一定的实用性。
Kernel parameter selection directly affects the model＇ s generalization ability. A novel selection method based on particle swarm optimization is proposed in this paper, the method is verified with the Checker dataset, the results demonstrate that the algorithm can improve the overall performance of the SVM classifier.
出处
《自动化技术与应用》
2007年第5期5-8,共4页
Techniques of Automation and Applications
关键词
支持向量机
核函数
粒子群算法
推广能力
support vector machine
kernel
particle swarm optimization
generalization ability
