贵州大学学报（自然科学版）
貴州大學學報（自然科學版）
귀주대학학보（자연과학판）
JOURNAL OF GUIZHOU UNIVERSITY(NATURAL SCIENCE)
2011年
3期
83-86
,共4页
王喜宾%张小平%王翰虎%孙兴
王喜賓%張小平%王翰虎%孫興
왕희빈%장소평%왕한호%손흥
支持向量机%核参数选取%粒子群优化%农业科技项目
支持嚮量機%覈參數選取%粒子群優化%農業科技項目
지지향량궤%핵삼수선취%입자군우화%농업과기항목
农业科技项目投入是解决“三农问题”的关键途径,而农业科技项目分类是农业科技项目投入的参考依据.支持向量机( SVM)是借助最优化方法解决分类问题的方法,较好地克服了“维数灾难”和“有限样本的学习分类”等问题.通过选择不同的核函数和对应的参数可以构造不同的分类器,参数的选择决定了其学习和泛化能力.为此,提出了粒子群优化(PSO)算法和K-折交叉验证来搜索最优参数,并将其应用到农业科技项目分类中.实验结果表明,该方法搜索到的参数达到了较高的准确率,对农业科技项目分类分析有较大的帮助.
農業科技項目投入是解決“三農問題”的關鍵途徑,而農業科技項目分類是農業科技項目投入的參攷依據.支持嚮量機( SVM)是藉助最優化方法解決分類問題的方法,較好地剋服瞭“維數災難”和“有限樣本的學習分類”等問題.通過選擇不同的覈函數和對應的參數可以構造不同的分類器,參數的選擇決定瞭其學習和汎化能力.為此,提齣瞭粒子群優化(PSO)算法和K-摺交扠驗證來搜索最優參數,併將其應用到農業科技項目分類中.實驗結果錶明,該方法搜索到的參數達到瞭較高的準確率,對農業科技項目分類分析有較大的幫助.
농업과기항목투입시해결“삼농문제”적관건도경,이농업과기항목분류시농업과기항목투입적삼고의거.지지향량궤( SVM)시차조최우화방법해결분류문제적방법,교호지극복료“유수재난”화“유한양본적학습분류”등문제.통과선택불동적핵함수화대응적삼수가이구조불동적분류기,삼수적선택결정료기학습화범화능력.위차,제출료입자군우화(PSO)산법화K-절교차험증래수색최우삼수,병장기응용도농업과기항목분류중.실험결과표명,해방법수색도적삼수체도료교고적준학솔,대농업과기항목분류분석유교대적방조.
