上海工程技术大学学报
上海工程技術大學學報
상해공정기술대학학보
JOURNAL OF SHANGHAI UNIVERSITY OF ENGINEERING SCIENCE
2005年
1期
21-23
,共3页
支持向量机%最优超平面%遗传算法%适应度函数
支持嚮量機%最優超平麵%遺傳算法%適應度函數
지지향량궤%최우초평면%유전산법%괄응도함수
支持向量机(SVM)是解决小样本学习问题的有力工具,其关键是如何得到判别样本类别的最优超平面.受约束条件的限制,最优超平面的求解比较繁琐.遗传算法具有全局搜索最优解的特点,是求最优值问题的非常有效的方法.由此,利用遗传算法得到了一个直接求最优超平面近似解的方法,该方法不同于传统的二次规划方法.
支持嚮量機(SVM)是解決小樣本學習問題的有力工具,其關鍵是如何得到判彆樣本類彆的最優超平麵.受約束條件的限製,最優超平麵的求解比較繁瑣.遺傳算法具有全跼搜索最優解的特點,是求最優值問題的非常有效的方法.由此,利用遺傳算法得到瞭一箇直接求最優超平麵近似解的方法,該方法不同于傳統的二次規劃方法.
지지향량궤(SVM)시해결소양본학습문제적유력공구,기관건시여하득도판별양본유별적최우초평면.수약속조건적한제,최우초평면적구해비교번쇄.유전산법구유전국수색최우해적특점,시구최우치문제적비상유효적방법.유차,이용유전산법득도료일개직접구최우초평면근사해적방법,해방법불동우전통적이차규화방법.
