计算机与数字工程2016，Vol.44Issue(4)：575-577,595,4.DOI:10.3969/j.issn.1672-9722.2016.04.003
基于遗传算法的支持向量机的参数优化
Parameters Optimization of SVM Based on Genetic Algorithm
摘要
Abstract
The performance of SVM is mainly affected by the kernel function parameters and penalty parameter .SVM with RBF kernel function is the most widely applications .Using genetic algorithm to select optimum parameter ,the paper mainly studies the performance of SVM with penalty parameter C and RBF kernel function parameter σ .Comparing grid search with genetic algorithm for optimum parameter to SVM based on RBF kernel function in experimental results ,it is found that genetic algorithm has higher search speed in optimum parameter .Thus ,genetic algorithm is more effective in practice .关键词
支持向量机/核函数/参数/遗传算法Key words
SVM/kernel function/parameter/genetic algorithm分类
信息技术与安全科学引用本文复制引用
曹路,欧阳效源..基于遗传算法的支持向量机的参数优化[J].计算机与数字工程,2016,44(4):575-577,595,4.基金项目
2014年五邑大学青年基金（编号2014zk10）；2015五邑大学青年基金（编号2015zk11）；2015年江门市科技计划项目（编号201501003001556）资助。 （）
