| 基于分段层近法的SMO参数选择 |
| |
| 引用本文： | 徐素枚,张歆奕.基于分段层近法的SMO参数选择[J].计算机与数字工程,2007,35(8):60-61,81. |
| |
| 作者姓名： | 徐素枚 张歆奕 |
| |
| 作者单位： | 五邑大学信息学院,江门,529020;五邑大学信息学院,江门,529020 |
| |
| 摘 要： | 传统的支撑向量机(SVM)训练速度非常慢,使用RBF核的序列最小优化(SMO)是有效的SVM改进算法.综合网格法和双线形法的优点,提出分段层近法选择参数惩罚因子C和核参数σ2.同时用来训练二维数据,实验证明,SMO算法与传统的SVM算法都使用该法选定参数,在推广识别率方面为同一水平的情况下,运行速度有很大的提高.
|
| 关 键 词： | 支持向量机 惩罚因子 RBF核 序列最小优化 参数选择 |
| 修稿时间： | 2006-10-18 |
SMO Parameter Selection Based on Subsection Layer Approach |
| |
| Xu Sumei,Zhang Xinyi.SMO Parameter Selection Based on Subsection Layer Approach[J].Computer and Digital Engineering,2007,35(8):60-61,81. |
| |
| Authors: | Xu Sumei Zhang Xinyi |
| |
| Abstract: | |
| |
| Keywords: | support vector machincs penalty parameter RBF kernel sequential minimal optimization parameter selection |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
