模式识别与人工智能
2025年4月2日 星期三   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2010, Vol. 23 Issue (2): 210-215    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于核相似性差异最大化的支持向量机参数选择算法
唐耀华1,郭为民1,高静怀2
1.河南电力试验研究院热工研究所 郑州 450052
2.西安交通大学 电子与信息工程学院 西安 710049
SVM Parameter Selection Algorithm Based on Maximum Kernel Similarity Diversity
TANG Yao-Hua1,GUO Wei-Min1,GAO Jing-Huai2
1.Thermal Power Institute,Henan Electric Power Research Institute,Zhengzhou 450052
2.School of Electronic and Information Engineering,Xian Jiaotong University,Xian 710049

全文: PDF (470 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对支持向量机(SVM)参数选择问题,通过分析SVM近似网络模型及分类原理,提出一种基于核相似性差异最大化的高斯核参数快速选择算法(MSD)。同时,将MSD算法与基于交叉验证的参数搜索算法相结合,构成一种复合SVM参数选择算法(MSD-GS),实现核参数与正则化参数的快速优选。UCI数据的仿真实验表明该算法具有参数选择准确、简便快速、无需数据先验知识等优点,参数选择效果甚至优于遍历式指数网格搜索算法。优选出的参数组合能够使SVM具有较高的泛化性能。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
唐耀华1
郭为民1
高静怀2
关键词 参数选择高斯核函数支持向量机(SVM)相似性度量    
Abstract:Aiming at support vector machine (SVM) parameter selection problem, a novel Gaussian kernel parameter rapid selection algorithm is proposed on the basis of kernel similarity diversity maximum (MSD) by analyzing the equivalent network model and the classification principle of SVM. In addition, MSD is combined with parameter search algorithm based on cross validation, and thus it is a composite parameter selection algorithm (MSD-GS) to the realize rapid and optimal selection of kernel parameter and regularization parameter. Simulation experiment results on data sets from UCI show that MSD-GS has the merits of simpleness, celerity and accurate parameter selection with no need of adding prior knowledge. The parameter selection result is better than the traversing exponential grid search algorithm. The selected couple of SVM parameters can make SVM get high generalization performance.
Key wordsParameter Selection    Gaussian Kernel Function    Support Vector Machine (SVM)    Similarity Measurement   
收稿日期: 2009-01-05     
ZTFLH: TP391  
基金资助:国家863计划资助项目(No.2006AA09A102-11)
作者简介: 唐耀华,男,1977年生,博士,主要研究方向为模式识别、机器学习.E-mail:tyh101010@163.com.郭为民,男,1971年生,高级工程师,主要研究方向为自动控制系统.高静怀,男,1960年生,教授,博士生导师,主要研究方向为阵列信号处理、波传播与成像等.
引用本文:   
唐耀华,郭为民,高静怀. 基于核相似性差异最大化的支持向量机参数选择算法[J]. 模式识别与人工智能, 2010, 23(2): 210-215. TANG Yao-Hua,GUO Wei-Min,GAO Jing-Huai. SVM Parameter Selection Algorithm Based on Maximum Kernel Similarity Diversity. , 2010, 23(2): 210-215.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2010/V23/I2/210
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn