支持向量机径向基核参数优化研究 |
| |
引用本文: | 刘路民根.支持向量机径向基核参数优化研究[J].黑龙江科技信息,2018(26). |
| |
作者姓名: | 刘路民根 |
| |
作者单位: | 武汉工程大学电气信息学院 |
| |
摘 要: | 支持向量机在机器学习中表现良好。基于径向基(RBF)核的支持向量机的分类和回归性能受其核参数的影响。为了获得最优的分类和回归预测结果,选择合适的核参数设置对提高分类和回归预测的准确度非常重要。本文使用网格搜索算法、遗传算法、粒子群优化算法分别进行径向基(RBF)核参数寻优。对比实验表明,网格搜索算法具有一定优势。
|
本文献已被 CNKI 等数据库收录! |
|