| 支持向量机参数优化的一种新方法 |
| |
| 引用本文： | 肇莹,刘红星,高敦堂. 支持向量机参数优化的一种新方法[J]. 小型微型计算机系统, 2008, 29(1): 102-105 |
| |
| 作者姓名： | 肇莹 刘红星 高敦堂 |
| |
| 作者单位： | 南京大学,电子科学与工程系,江苏,南京,210093 |
| |
| 摘 要： | 支持向量机(SVM)的性能与SVM参数的选择有关.SVM参数的优化需要一个准则,本文提出了一种以原空间中样本到分类面的最短代数距离最大为准则的SVM参数优化方法.该方法旨在使SVM分类面在原空间中使样本"平分秋色",更能体现SVM分类器的结构风险最小化的原则.算法简单、几何直观性好、易于实现.通过在双螺旋线样本和Iris样本集上所作测试证明了该方法的有效性.
|
| 关 键 词： | 支持向量机 参数优化 支持向量机 参数优化 优化方法 Optimization 有效性 测试 样本集 Iris 双螺旋线 几何直观 算法 原则 最小化 结构风险 分类器 代数距离 原空间 准则 的选择 性能 |
| 文章编号： | 1000-1220（2008）00-0102-04 |
| 收稿时间： | 2006-09-20 |
| 修稿时间： | 2006-12-27 |
A New Method for SVM Hyper-parameters Optimization |
| |
| ZHAO Ying,LIU Hong-xing,GAO Dun-tang. A New Method for SVM Hyper-parameters Optimization[J]. Mini-micro Systems, 2008, 29(1): 102-105 |
| |
| Authors: | ZHAO Ying LIU Hong-xing GAO Dun-tang |
| |
| Affiliation: | ZHAO Ying,LIU Hong-xing,GAO Dun-tang(Electronic Science , Engineering Department,Nanjing University,Nanjing 210093,China) |
| |
| Abstract: | The performance of Support Vector Machine(SVM) is determined by its hyper-parameters.Optimizing the hyper-parameters needs a criterion.This paper presents a new SVM hyper-parameters optimization method,in which maximizing the minimum algebraic distance from samples to the class-separating hyper-surface in input space is taken as the criterion.The main purpose of this method is to' leg and leg' the whole original input space for all the samples,and it sustains the structural risk minimization principle bette... |
| |
| Keywords: | SVM hyper-parameter optimization |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
