电子科技
電子科技
전자과기
IT AGE
2010年
5期
99-101
,共3页
支持向量机%自适应遗传算法%参数选择%脱机手%手写汉字识别
支持嚮量機%自適應遺傳算法%參數選擇%脫機手%手寫漢字識彆
지지향량궤%자괄응유전산법%삼수선택%탈궤수%수사한자식별
支持向量机是一种学习机器,决定SVM性能的因素是核函数的选取,但其参数的选择大多是依靠经验,一般不能获得最佳函数逼近效果,一定程度上限制了该算法的发展.将改进的白适应遗传算法与支持向量机相结合,设计了一种自动优选支持向量机模型参数的方法.该方法根据适应度值自动调整交叉概率和变异概率,减少了遗传算法的收敛时间并且提高了遗传算法的精度,确保了SVM参数选择的准确性.将该方法应用于脱机手写汉字的识别,结果表明由该方法所得的SVM具有较好的泛化能力.
支持嚮量機是一種學習機器,決定SVM性能的因素是覈函數的選取,但其參數的選擇大多是依靠經驗,一般不能穫得最佳函數逼近效果,一定程度上限製瞭該算法的髮展.將改進的白適應遺傳算法與支持嚮量機相結閤,設計瞭一種自動優選支持嚮量機模型參數的方法.該方法根據適應度值自動調整交扠概率和變異概率,減少瞭遺傳算法的收斂時間併且提高瞭遺傳算法的精度,確保瞭SVM參數選擇的準確性.將該方法應用于脫機手寫漢字的識彆,結果錶明由該方法所得的SVM具有較好的汎化能力.
지지향량궤시일충학습궤기,결정SVM성능적인소시핵함수적선취,단기삼수적선택대다시의고경험,일반불능획득최가함수핍근효과,일정정도상한제료해산법적발전.장개진적백괄응유전산법여지지향량궤상결합,설계료일충자동우선지지향량궤모형삼수적방법.해방법근거괄응도치자동조정교차개솔화변이개솔,감소료유전산법적수렴시간병차제고료유전산법적정도,학보료SVM삼수선택적준학성.장해방법응용우탈궤수사한자적식별,결과표명유해방법소득적SVM구유교호적범화능력.
