| 基于RBF核函数的支持向量机参数选择 |
| |
| 引用本文： | 林升梁,刘志.基于RBF核函数的支持向量机参数选择[J].浙江工业大学学报,2007,35(2):163-167. |
| |
| 作者姓名： | 林升梁 刘志 |
| |
| 作者单位： | 1. 浙江工业大学,信息工程学院,浙江,杭州,310032
2. 浙江工业大学,软件学院,浙江,杭州,310032 |
| |
| 摘 要： | 由于SVM在各个领域中得到越来越广泛的应用,而决定SVM性能的因素是核函数的选取.其中,RBF核函数是应用最广泛的核函数,且有两个参数:惩罚因子C和核参数γ.因此,希望能找到最优化参数组(C,γ)使SVM具有最好推广性.首先提出了用E=lsvn代替留一法来评估SVM的推广性,它的优点是速度快、准确性高;然后,分析参数C和γ对SVM性能的影响,由此将问题归结在一个小的“好区”内选取最优参数组(C,γ);最后,分别用穷举法和下文所提出的方法进行比较,得出在“好区”内用Cγ=~C(常数)来确定最优化参数同样能得到很好的推广性,而且速度上比穷举法快的多.此方法,具有一定的实际应用价值.
|
| 关 键 词： | 支持向量机 RBF核参数 惩罚因子C 推广识别率 |
| 文章编号： | 1006-4303(2007)02-0163-05 |
| 修稿时间： | 2006-09-25 |
Parameter selection in SVM with RBF kernel function |
| |
| LIN Sheng-liang,LIU Zhi.Parameter selection in SVM with RBF kernel function[J].Journal of Zhejiang University of Technology,2007,35(2):163-167. |
| |
| Authors: | LIN Sheng-liang LIU Zhi |
| |
| Affiliation: | 1. College of Information Engineering, Zhejiang University of Technology, Hangzhou, 310032, China 2, College of Software, Zhejiang University of Technology,Hangzhou, 310032, China |
| |
| Abstract: | |
| |
| Keywords: | support vector machine(SVM) parameter of RBF kernel penalty factor generalized recognition rate |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
