计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2015年
4期
110-114
,共5页
支持向量机%遗传算法%随机搜索%参数优化
支持嚮量機%遺傳算法%隨機搜索%參數優化
지지향량궤%유전산법%수궤수색%삼수우화
Support Vector Machine%genetic algorithm%random search%parameter optimization
支持向量机（SVM）是一种性能良好的机器学习方法，但是对于其参数的选择还缺少系统的理论作为指导。针对经典的SVM参数选择方法——遗传算法的一些不足，提出了改进，并将其与SVM相结合，得到自动选择核参数并进行SVM训练的算法即GA_SJ算法。该算法通过将随机搜索引入到遗传算法当中，并采用最优保存策略和动态的交叉和变异概率，有效地提高了遗传算法的效率。数值实验结果证实了GA_SJ算法在SVM参数优化中的可行性和有效性，而且得到的SVM具有较高的分类性能。
支持嚮量機（SVM）是一種性能良好的機器學習方法，但是對于其參數的選擇還缺少繫統的理論作為指導。針對經典的SVM參數選擇方法——遺傳算法的一些不足，提齣瞭改進，併將其與SVM相結閤，得到自動選擇覈參數併進行SVM訓練的算法即GA_SJ算法。該算法通過將隨機搜索引入到遺傳算法噹中，併採用最優保存策略和動態的交扠和變異概率，有效地提高瞭遺傳算法的效率。數值實驗結果證實瞭GA_SJ算法在SVM參數優化中的可行性和有效性，而且得到的SVM具有較高的分類性能。
지지향량궤（SVM）시일충성능량호적궤기학습방법，단시대우기삼수적선택환결소계통적이론작위지도。침대경전적SVM삼수선택방법——유전산법적일사불족，제출료개진，병장기여SVM상결합，득도자동선택핵삼수병진행SVM훈련적산법즉GA_SJ산법。해산법통과장수궤수색인입도유전산법당중，병채용최우보존책략화동태적교차화변이개솔，유효지제고료유전산법적효솔。수치실험결과증실료GA_SJ산법재SVM삼수우화중적가행성화유효성，이차득도적SVM구유교고적분류성능。
Support Vector Machine(SVM)is a kind of machine learning methods which has good performance, but there still lacks the system theory as a guide for the choice of its parameters. Aimming at the shortage of the classical SVM parameter selection method, genetic algorithm, this paper comes up with the improved algorithm, and combines it with the SVM, gets the algorithm namely GA_SJ algorithm, which can choose the kernel parameters and train SVM automatically. This algorithm introduces the random search into genetic algorithm, and adopts the optimal preservation strategy and dynamic crossover and mutation probabilities, and greatly improves the efficiency of genetic algorithm. The numerical experiment results confirm that GA_SJ algorithm is feasible and effective in the SVM parameter optimization, and the SVM obtained has higher classification performance.
