一种支持向量机参数选择的改进分布估计算法 | |
王雪松 ; 程玉虎 ; 郝名林 | |
2015-09-10 ; 2015-09-10 | |
关键词 | 支持向量机 参数选择 混沌变异 分布估计算法 |
中文摘要 | 支持向量机(support vector machine,SVM)的学习性能和泛化能力在很大程度上取决于参数的合理设置.将支持向量机的参数选择问题转化为优化问题,以模型预测均方根误差为评价函数,提出一种引入混沌变异操作的改进分布估计算法(estimation of distribution algorithm,EDA),并将其用于优化求解ε-支持向量机的参数:惩罚因子、不敏感损失系数以及高斯径向基核函数的宽度.由于改进EDA利用混沌运动的随机性和遍历性等特点在解空间内进行优化搜索,能够较好解决传统EDA易于陷入局部极小的缺陷.Chebyshev混沌时间序列预测仿真结果表明:改进EDA是选取SVM参数的有效方法. |
内容类型 | 期刊论文 |
源URL | [http://ir.calis.edu.cn/hdl/232060/14160] ![]() |
专题 | 中国矿业大学(徐州) |
推荐引用方式 GB/T 7714 | 王雪松,程玉虎,郝名林. 一种支持向量机参数选择的改进分布估计算法[J],2015, 2015. |
APA | 王雪松,程玉虎,&郝名林.(2015).一种支持向量机参数选择的改进分布估计算法.. |
MLA | 王雪松,et al."一种支持向量机参数选择的改进分布估计算法".(2015). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论