| SVM分类核函数及参数选择比较 |
| |
| 引用本文： | 奉国和. SVM分类核函数及参数选择比较[J]. 计算机工程与应用, 2011, 47(3): 123-124. DOI: 10.3778/j.issn.1002-8331.2011.03.037 |
| |
| 作者姓名： | 奉国和 |
| |
| 作者单位： | 华南师范大学 经济管理学院 信息管理系， 广州 510006 |
| |
| 基金项目： | 国家社科基金，广东省哲学社会科规划项目 |
| |
| 摘 要： | 支持向量机（SVM）被证实在分类领域性能良好，但其分类性能受到核函数及参数影响。讨论核函数及参数对SVM分类性能的影响，并运用交叉验证与网格搜索法进行参数优化选择，为SVM分类核函数及参数选择提供借鉴。
|
| 关 键 词： | 支持向量机 核函数 分类 |
| 收稿时间： | 2009-09-04 |
| 修稿时间： | 2009-11-5 |
Parameter optimizing for Support Vector Machines classification |
| |
| FENG Guohe. Parameter optimizing for Support Vector Machines classification[J]. Computer Engineering and Applications, 2011, 47(3): 123-124. DOI: 10.3778/j.issn.1002-8331.2011.03.037 |
| |
| Authors: | FENG Guohe |
| |
| Affiliation: | School of Economy & Manangement，South China Normal University，Guangzhou 510006，China |
| |
| Abstract: | Support Vector Machine（SVM） has good performance for classification,but the performance is restricted by the kernel function and its parameters.This paper discusses the problem,and uses cross validation,grid searching for optimizing the kernel function parameters. |
| |
| Keywords: | Support Vector Machines（SVM） kernel function classification |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载免费的PDF全文 |
