基于改进遗传算法的支持向量机参数优化方法OACSTPCD
Parameters Optimization of Support Vector Machine Based on Improved Genetic Algorithm
针对支持向量机算法在回归预测时由于参数选取不当导致过学习或欠学习的情况，提出一种基于改进遗传算法的支持向量机参数优化模型。该模型将遗传算法与支持向量机结合，利用遗传算法进化搜索的原理对支持向量机具有重要意义的惩罚参数、核参数和损失函数同时优化。实验选取3组标准数据集作为测试数据集，并将改进算法同时与遗传算法、网格寻址算法、粒子群算法进行仿真测试结果对比。实验结果表明改进的算法较大地提高了支持向量机算法整体的寻优能力。
Over-study or under-study phenomenon sometimes happens, since nuclear parameters are chosen inappropriately in re-gression forecasting. The paper proposes a kind of support vector machine parameters optimization model based on improved ge-netic algorithm. By combining genetic algorithm with support vector machine algorithm, the model makes use of the principle of evolutionary of genetic algorithm to optimize penalty parameter, nuclear parameter and loss func…查看全部>>
王琼瑶;何友全;彭小玲
重庆交通大学管理学院，重庆 400074重庆交通大学信息科学与工程学院，重庆 400074重庆交通大学管理学院，重庆 400074
信息技术与安全科学
遗传算法支持向量机算法参数优化
genetic algorithmsupport vector machine algorithmparameters optimization
《计算机与现代化》 2015 (3)
33-36,4
重庆市高等教育教学改革研究项目(0634167)
评论