-
题名拟牛顿算法在SVM内核优化中的应用
被引量:2
- 1
-
-
作者
葛洪伟
杨小艳
张彦锋
-
机构
江南大学信息工程学院
焦作大学计算机工程系
-
出处
《计算机工程》
CAS
CSCD
北大核心
2007年第8期193-195,共3页
-
文摘
使用SVM进行分类,超参数的选择非常重要,它直接影响分类的性能。在实际应用中,最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交叉确认功能进行寻优。而拟牛顿算法,可在一个校验集上最小化一个经验误差估计来优化SVM的超参数,使超参数在分类任务中达到最优值,从而取得理想的分类结果。该文对拟牛顿算法进行了探讨,并将其应用在基于SVM的羽绒识别系统中,实验结果表明,该算法是有效的,与未经过超参数优化的SVM分类器相比,羽绒的识别率有了较大提高。
-
关键词
支持向量机
超参数
拟牛顿算法
经验误差估计
-
Keywords
Support vector machines (SVM)
Hyper-parameters
Quasi-Newton optimization method
Empirical error estimate
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-