J4 ›› 2012, Vol. 47 ›› Issue (7): 50-54.
刘飚1,2,陈春萍3,封化民1,3,李洋3
LIU Biao1,2, CHEN Chun-ping3, FENG Hua-min1,3, LI Yang3
摘要:
支持向量机(support vector machine,SVM)分类性能主要受到SVM模型选择(包括核函数的选择和参数的选取)的影响,目前SVM模型参数选择的方法并不能较好地确定模型参数。为此基于Fisher准则提出了SVM参数选择算法。该算法利用样本在特征空间中的类别间的线性可分离性,结合梯度下降算法进行参数寻优,并基于Matlab实现选择算法。实验结果表明参数选择算法既提高了SVM训练性能,又大大减少了训练时间。
No related articles found! |
|