| 面向大数据的SVM参数寻优方法 |
| |
| 引用本文： | 龚永罡,汤世平.面向大数据的SVM参数寻优方法[J].计算机仿真,2010,27(9). |
| |
| 作者姓名： | 龚永罡 汤世平 |
| |
| 作者单位： | 1. 北京工商大学信息工程学院,北京,100037
2. 北京理工大学计算机学院,北京,100081 |
| |
| 摘 要： | 研究数据回归问题,进行快速寻优,传统SVM参数寻优因采用大范围遍历搜索算法,需消耗大量时间,不适用于对大数据集进行训练.基于均匀设计与自调用支持向量回归,为缩短寻优时间,加快速度,提出了一种有效降低搜索时间的策略.根据均匀设计产生27个具有代表性参数组合,每个组合对训练集经交叉测试得其均方误差MSE,再以MSE为目标函数,通过自调用支持向量回归建立其与27个参数组合之间的关系模型.基于关系模型预测729个参数组合对应的MSE,并以MSE最小寻找最优参数组合.3个实例数据集的仿真结果表明,新方法在保证预测精度的同时,大幅度缩短了训练建模时间,为大数据集支持向量机参数选择提供了新的有效解决方案.
|
| 关 键 词： | 均匀设计 支持向量回归 大数据 参数 |
A Novel Parameters Optimization of SVM for Large Data Sets |
| |
| GONG Yong-gang,TANG Shi-ping.A Novel Parameters Optimization of SVM for Large Data Sets[J].Computer Simulation,2010,27(9). |
| |
| Authors: | GONG Yong-gang TANG Shi-ping |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
