| 基于梯度算法的支持向量机参数优化方法 |
| |
| 引用本文： | 刘昌平,范明钰,王光卫,马素丽. 基于梯度算法的支持向量机参数优化方法[J]. 控制与决策, 2008, 23(11): 1291-1295,1300 |
| |
| 作者姓名： | 刘昌平 范明钰 王光卫 马素丽 |
| |
| 作者单位： | 电子科技大学,计算机科学与工程学院,成都,610054;电子科技大学,计算机科学与工程学院,成都,610054;电子科技大学,计算机科学与工程学院,成都,610054;电子科技大学,计算机科学与工程学院,成都,610054 |
| |
| 摘 要： | 首先介绍最近出现的参数优化方法,概括了高效率的参数优化算法应具备的若干特点.然后提出了一种新的支持向量机参数优化方法.该方法先在局域内用混沌优化搜索局域最优点,再将此最优点作为梯度方向,通过改变局域范围跳出局部寻优区域.该方法降低了对性能函数连续且可微的要求,收敛速度快,最终优化解与支持向量机的参数初始值无关.最后,通过仿真实验表明了该方法具有更高的分类和回归准确率.
|
| 关 键 词： | 支持向量机 梯度算法 混沌 参数优化 |
Optimizing parameters of support vector machine based on gradient algorithm |
| |
| LIU Chang-ping,FAN Ming-yu,WANG Guang-wei,MA Su-li. Optimizing parameters of support vector machine based on gradient algorithm[J]. Control and Decision, 2008, 23(11): 1291-1295,1300 |
| |
| Authors: | LIU Chang-ping FAN Ming-yu WANG Guang-wei MA Su-li |
| |
| Affiliation: | LIU Chang-ping,FAN Ming-yu,WANG Guang-wei,MA Su-li(School of Computer Science , Engineering,University of Electronic Science , Technology,Chengdu 610054,China) |
| |
| Abstract: | Some recent methods of parameters' optimization are analyzed,and several characteristics of efficient arithmetics to optimize parameters of support vector machine are generalized.Gradient algorithm can not be utilized directly because of its requirement of differentiable function.In the new method proposed,gradient direction is not directional derivative but optimized result of chaos search in local area.This method doesn't require differentiable function,and has the advantage of faster convergent speed,the... |
| |
| Keywords: | Support vector machine Gradient algorithm Chaos Parameter optimization |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
