宝鸡文理学院学报（自然科学版）
寶鷄文理學院學報（自然科學版）
보계문이학원학보（자연과학판）
Journal of Baoji University of Arts and Sciences(Natural Science Edition)
2015年
3期
1-6
,共6页
支持向量机%参数选择%蝙蝠算法
支持嚮量機%參數選擇%蝙蝠算法
지지향량궤%삼수선택%편복산법
目的 针对支持向量机(support vector machine,SVM)的参数选择的重要性,研究一种新的参数优化方法.方法 介于蝙蝠算法的模型简单、全局搜索能力强等特点.本文提出基于蝙蝠算法(BA)的SVM参数优化方法,对SVM的惩罚参数和核参数进行优化.结果 通过8个UCI标准数据库集的Matlab仿真实验,验证了算法的有效性和可靠性.结论 本文方法搜索的最优参数较大地提高了SVM的分类精度,加强了SVM的学习和泛化能力,是一种有效及稳定的支持向量机参数优化方法.
目的 針對支持嚮量機(support vector machine,SVM)的參數選擇的重要性,研究一種新的參數優化方法.方法 介于蝙蝠算法的模型簡單、全跼搜索能力彊等特點.本文提齣基于蝙蝠算法(BA)的SVM參數優化方法,對SVM的懲罰參數和覈參數進行優化.結果 通過8箇UCI標準數據庫集的Matlab倣真實驗,驗證瞭算法的有效性和可靠性.結論 本文方法搜索的最優參數較大地提高瞭SVM的分類精度,加彊瞭SVM的學習和汎化能力,是一種有效及穩定的支持嚮量機參數優化方法.
목적 침대지지향량궤(support vector machine,SVM)적삼수선택적중요성,연구일충신적삼수우화방법.방법 개우편복산법적모형간단、전국수색능력강등특점.본문제출기우편복산법(BA)적SVM삼수우화방법,대SVM적징벌삼수화핵삼수진행우화.결과 통과8개UCI표준수거고집적Matlab방진실험,험증료산법적유효성화가고성.결론 본문방법수색적최우삼수교대지제고료SVM적분류정도,가강료SVM적학습화범화능력,시일충유효급은정적지지향량궤삼수우화방법.
