期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于改进萤火虫算法的SVM核参数选取 被引量:4
1
作者 杨海 丁毅 沈海斌 《计算机应用与软件》 CSCD 2015年第6期256-258,287,共4页
支持向量机(SVM)是一种性能优异的机器学习算法,其核函数参数的选取对于建模精度以及泛化能力有着重要的影响。提出一种基于改进萤火虫算法的SVM核函数参数选取方法,通过改进萤火虫位置更新公式并在移动过程中引入亮度特征从而确定最佳... 支持向量机(SVM)是一种性能优异的机器学习算法,其核函数参数的选取对于建模精度以及泛化能力有着重要的影响。提出一种基于改进萤火虫算法的SVM核函数参数选取方法,通过改进萤火虫位置更新公式并在移动过程中引入亮度特征从而确定最佳的SVM核函数参数。实验表明,该算法选取的SVM核函数参数在保证分类器收敛性能的同时,提高了分类精度,取得了良好的优化效果。 展开更多
关键词 支持向量机 萤火虫算法 SVM核函数
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部