计算机工程与科学
計算機工程與科學
계산궤공정여과학
COMPUTER ENGINEERING & SCIENCE
2012年
10期
113-117
,共5页
支持向量机%参数选择%遗传算法%粒子群算法
支持嚮量機%參數選擇%遺傳算法%粒子群算法
지지향량궤%삼수선택%유전산법%입자군산법
支持向量机(SVM)参数的选择是评价SVM性能的一个很重要的因素.SVM在解决小样本、非线性等问题中起到的效果是很好的.但是,该方法的缺点是在解决大样本数据集时消耗时间长,且易陷入局部最优解.为了降低SVM在这方面的不足,本文提出了遗传算法和粒子群算法相结合(PSOGA)对参数进行优化求解,并将该算法建立的模型应用到实验中.仿真结果说明该方法避免了陷入局部解,提高了收敛速度并缩短了优化时间,是一个很有效的方法.
支持嚮量機(SVM)參數的選擇是評價SVM性能的一箇很重要的因素.SVM在解決小樣本、非線性等問題中起到的效果是很好的.但是,該方法的缺點是在解決大樣本數據集時消耗時間長,且易陷入跼部最優解.為瞭降低SVM在這方麵的不足,本文提齣瞭遺傳算法和粒子群算法相結閤(PSOGA)對參數進行優化求解,併將該算法建立的模型應用到實驗中.倣真結果說明該方法避免瞭陷入跼部解,提高瞭收斂速度併縮短瞭優化時間,是一箇很有效的方法.
지지향량궤(SVM)삼수적선택시평개SVM성능적일개흔중요적인소.SVM재해결소양본、비선성등문제중기도적효과시흔호적.단시,해방법적결점시재해결대양본수거집시소모시간장,차역함입국부최우해.위료강저SVM재저방면적불족,본문제출료유전산법화입자군산법상결합(PSOGA)대삼수진행우화구해,병장해산법건립적모형응용도실험중.방진결과설명해방법피면료함입국부해,제고료수렴속도병축단료우화시간,시일개흔유효적방법.
