基于RBF核的SVM核参数优化算法Algorithms of Optimizing SVM's Kernel Parameters with RBF Kernel
董国君;哈力木拉提·买买提;余辉;
摘要(Abstract)：
SVM是一种新型的机器学习方法,其分类性能的优劣主要受核函数及核参数的影响,国内外学者针对SVM核参数的选择已提出许多算法.本文首先分析了RBF核参数对SVM分类性能的影响,然后又对比分析了目前存在的几种基于RBF核的SVM核参数选择方法.通过实验,发现使用遗传算法选择核参数的SVM有比较快的搜索速度.
关键词(KeyWords)： 支持向量机;RBF核;遗传算法
基金项目(Foundation):
作者(Authors): 董国君;哈力木拉提·买买提;余辉;
参考文献(References)：
- [1]边肇祺,张学工,编著.模式识别[M],第二版。北京:清华大学出版社,2000,284-304.
- [2]Vladimir N.Vapnik著,张学工译.统计学习理论的本质[M].北京:清华大学出版社,2000,105-120.
- [3]Goldsmith A J,Chua S G.Variable-rate Variable-power Mqam for Fading Channels[J].IEEE Trans.on Communications, 1997,45(10):1218-1230.
- [4]侯伟真,潘美芹.高斯核支持向量机最优模型参数选择搜索算法[J].中国运筹学会第八届学术交流会议文集,2006ORSC, 716-722.
- [5]林升梁,刘志.基于RBF核函数的支持向量机参数选择[J].浙江工业大学学报,2007,35(2):163-167.
- [6]Chapelle O,Vapnik V,Busquet O,et al.Choosing multiple parameters for support vector machines[J].Machine Learning, 2002,46(1-3):131-159.
- [7]葛洪伟,杨小艳,张彦锋.拟牛顿算法在SVM内核优化中的应用[J].2007,33(8):193-195.
- [8]Gold C,Sollich P.Model selection for support vector machine classification[J].Neurocomputing,2003,55(1/2):221-249.
- [9]陈果.基于遗传算法的支持向量机分类器模型参数优化[J].机械科学与技术,2007,26(3):347-450.
- [10]王鹏,朱小燕.基于RBF核的SVM的模型选择及其应用[J].计算机工程与应用,2003,24:20-30.
- [11]李琳,张晓龙.基于RBF核的SVM学习算法的优化计算[J].计算机工程与应用,2006,29:25-35.
- [12]刘胜,李研研.自适应GA-SVM参数选择算法研究[J].哈尔滨工程大学学报,2007,28(4):398-402.
- [13]齐志泉,田英杰,徐志洁.支持向量机中的核参数选择问题[J].控制工程,2005,12(4):379-381.