|
|||||
|
|
| 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！ | |