一种改进的支持向量机参数寻优方法  

An Improvement of Support Vector Machine Parameter Optimization Method

作　　者：吕金锐[1] 

机构地区：[1]太原城市职业技术学院,太原030027

出　　处：《计算机与数字工程》2017年第7期1318-1322,共5页Computer & Digital Engineering

摘　　要：误差惩罚参数和核参数是决定SVM泛化能力的主要因素,对这两种参数的优化是SVM应用中需要解决的关键问题之一。论文在研究支持向量机理论的基础上,利用一些标准的测试数据集研究了均匀设计方法在RBF核参数优化问题上的表现。通过对比寻优精度,发现和传统均方设计方法相比,采用论文的方法能进一步提高精度。The penalty parameter and the kernel parameter are the main factors to determine SVMs＇ generalization perfor-mance and the optimization of these two parameters is one of the key issues,which needs to be solved in the application of SVM. Based on the research of SVM theory,through programming,the paper uses some standard test data sets to compare the perfor-mance of uniform design method in the RBF kernel SVM parameter optimization problems. Through the comparison of accuracy, it is showed that the further precision can be obtained compared with the traditional method.

关 键 词：SVM 均方设计 RBF核参数 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]