| 采用遗传算法优化最小二乘支持向量机参数的方法 |
| |
| 引用本文： | 王克奇,杨少春,戴天虹,白雪冰.采用遗传算法优化最小二乘支持向量机参数的方法[J].计算机应用与软件,2009,26(7):109-111. |
| |
| 作者姓名： | 王克奇 杨少春 戴天虹 白雪冰 |
| |
| 作者单位： | 东北林业大学机电工程学院,黑龙江,哈尔滨,150040 |
| |
| 基金项目： | 黑龙江省自然科学基金 |
| |
| 摘 要： | 支持向量机是建立在统计学习理论上的一种学习算法,较好地解决了小样本学习问题.由不同的参数和核函数构造的支持向量机在性能上存在很大差异,而在参数和核函数的选择上目前还没有明确的理论依据.针对支持向量机的参数选择问题,提出了一种采用遗传算法优化最小二乘支持向量机参数的方法.结合LS-SVMlab工具箱,在MATLAB实验平台的仿真实验表明,该方法提高了支持向量机的参数选择效率,得到的参数对测试样本的分类结果是最优的,从而避免了人为设定参数的不足,同时缩短了优化时间.
|
| 关 键 词： | 最小二乘支持向量机 遗传算法 参数选择 LS-SVMlab工具箱 |
METHOD OF OPTIMIZING PARAMETER OF LEAST SQUARES SUPPORT VECTOR MACHINES BY GENETIC ALGORITHM |
| |
| Wang Keqi,Yang Shaochun,Dai Tianhong,Bai Xuebing.METHOD OF OPTIMIZING PARAMETER OF LEAST SQUARES SUPPORT VECTOR MACHINES BY GENETIC ALGORITHM[J].Computer Applications and Software,2009,26(7):109-111. |
| |
| Authors: | Wang Keqi Yang Shaochun Dai Tianhong Bai Xuebing |
| |
| Affiliation: | College of Machinery and Electron Engineering;Northeast Forestry University;Harbin 150040;Heilongjiang;China |
| |
| Abstract: | Support vector machines(SVM),a learning method based on statistical learning theory(SLT),can solve small-sample learning problems better.SVMs with different parameters or kernel functions display very different performances,and there isn't a manifest theory supporting the selection of them up to now.In this paper a method that optimises the parameters of Least Squares Support Vector Machines(LSSVM) by using Genetic Algorithm is presented.The simulative experiment executed on MATLAB experimental platform wit... |
| |
| Keywords: | Least squares support vector machines Genetic algorithm Parameters selection LS-SVMlab toolbox |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
