SVM分类算法参数选择研究

下载PDF

导出

摘要对SVM分类模型参数选择问题进行了研究,将免疫网络算法与SVM相结合形成一个AIN-SVM算法。数值测试结果表明该方法能够更快速地在更大的空间内进行有效搜索,与传统的交叉验证方法相比,在搜索速度与稀疏性上具有较大的优势。

作者王萍田翔

机构地区广东纺织职业技术学院华南理工大学数学科学学院

出处《牡丹江大学学报》 2007年第11期97-99,共3页 Journal of Mudanjiang University

关键词支持向量机参数选择人工免疫算法分类

参考文献12

1谢开贵,曾晓晖,李春燕,刘柏私,周家启.免疫算法与其他随机优化算法的比较分析[J].重庆大学学报（自然科学版）,2003,26(11):43-47. 被引量：16
2张小云,刘允才.高斯核支撑向量机的性能分析[J].计算机工程,2003,29(8):22-25. 被引量：45
3Mao Yong,Zhou Xiao-bo,Pi Dao-ying,Sun You-xian,Wong Stephen T.C..Parameters selection in gene selection using Gaussian kernel support vector machines by genetic algorithm[J]. Journal of Zhejiang University Science B . 2005 (10)
4Corinna Cortes,Vladimir Vapnik.Support-Vector Networks[J]. Machine Learning . 1995 (3)
5B.Baesens,S.Viaene,T.Van Gestel,et al.An empirical assessment of kernel type performance for least squares support vector machine classification. Proceedings ofForth International conference on Knowledge-based Intelligent Engineer system and Allied Technologies . 2000
6Cherkassky V,Mulier F.Learning from Data:Concepts,Theory and Methods. . 1997
7Y.Mao,X.Zhou,D.Pi,S.T.C Wong,Y.Sun.Parameters selection in gene selection using Gaussian kernel support vector machines by genetic algorithm. Journal of Zhejiang University . 2005
8Tian Xiang,Deng Feiqi.A Novel Artificial Immune Network Algorithm. ICMLC 2006 . 2006
9http://www.ics.uci.edu/～mlearn/MLRepository.html . 1993
10Cortes C,Vapnik V.Support Vector Networks. Machine Learning . 1995

1靳潘.神经网络与神经计算机:原理、应用[M].成都:西南交通大学出版社,1991..
2漆安慎杜婵英.免疫的非线性模型[M].上海：上海科技教育出版社,1991..
3[1]Vapnik V.An Overview of Statistical Learning Theory.IEEE Trans. Neural Networks,1999,10(5):988-999
4[2]Pontil M,Verri A.Support Vector Machines for 3D Object Recognition. IEEE Tran. Pattern Analysis and Machine Intelligence,1998,20(6):637
5[3]Burges C J C.A Tutorial on Support Vector Machines for Pattern Recognition.Data Mining and Knowledge Discovery,1998,2:121-167
6[4]Platt J C.Sequential Minimal Optimization:A Fast Algorithm for Training Support Vector Machines.Microsoft Research Tech. Report MSR-TR-98-14,1998-04-21
7HOLLAND J H. Genetic algorithm [ J ]. Scientific Anmrican,1992,(4) :44 -50.
8FOGEL D B. An introduction to simulated evolutionary optimization[J]. IEEE Trans on Neural Network, 1994, 5( 1 ) :3 - 14.
9SCHWEFEL H P. Numerical optimization of computer models[ M ]. Chichester:John Wiley, 1981.
10ARTS E H L, KORST J H M. Simulated annealing and boltzmann machine[ M ]. Chichester: John Wiley and Sons, 1989.

1苏永华,马宁,胡检,杨小礼.Estimation of sand liquefaction based on support vector machines[J].Journal of Central South University,2008,15(S2):15-20.
2刘焕军,王耀南,段峰.基于支撑向量机的空瓶智能检测方法[J].控制与决策,2005,20(12):1434-1437. 被引量：10
3刘芳,刘民,吴澄.多支撑向量网络研究[J].小型微型计算机系统,2006,27(5):846-848.
4燕孝飞,葛洪伟,颜七笙.RBF核SVM及其应用研究[J].计算机工程与设计,2006,27(11):1996-1997. 被引量：16
5左泽华,杨扬,颉斌.脱机手写体汉字识别中SVM参数优选问题[J].计算机应用,2006,26(B06):27-28. 被引量：3
6肖志刚,徐宏,杨素林,王岩,孙玉梅.基于平衡策略的支持向量机在电力系统中期负荷预测的应用[J].河北农业大学学报,2006,29(5):123-126.
7吕佳.基于免疫原理的优化方法及其应用[J].计算机工程与设计,2006,27(23):4465-4466. 被引量：2
8赵虹,韦丽华.基于支持向量机的说话人识别研究[J].现代电子技术,2007,30(6):125-127. 被引量：3
9张翔,肖小玲,徐光祐.一种确定高斯核模型参数的新方法[J].计算机工程,2007,33(12):52-53. 被引量：12
10严晨,王直杰.以TSP为代表的组合优化问题研究现状与展望[J].计算机仿真,2007,24(6):171-174. 被引量：17

牡丹江大学学报

2007年第11期

内容加载中请稍等...