核极化的核参数选择算法  

Kernel Parameter Selection Algorithm Based on Kernel Polarization

作　　者：张文兴[1] 陈肖洁[1] 王建国[1] 

机构地区：[1]内蒙古科技大学机械工程学院,内蒙古包头014010

出　　处：《机械设计与制造》2018年第2期88-90,共3页Machinery Design & Manufacture

基　　金：国家自然科学基金项目(21366017)

摘　　要：对支持向量机中核函数的核参数选择问题进行了研究,在深入分析核极化这一核函数度量标准的前提下,提出了一种直接最大化核极化的Gaussian核和Polynomial核的核参数选择算法。首先,设置核参数的搜寻范围,然后,计算在特定核参数下的核极化值,最后,选择出最佳的核参数值进行训练和测试。相比于传统经典的10折交叉验证,该算法无须反复训练和测试分类器,能高效地实现核参数的选择。UCI数据集的实验结果表明了所提出的最大化核极化与核参数选择算法在多分类中具有较好的泛化性能和预测精度,验证了该方法的有效性。For the kernel function parameter selection issue of support vector machine（ SVM ）, and under the premise of depth analysis ofihe kernel evaluation criterion of kernel polarization,the paper proposed a kernel parameter selection algorithm of Gaussian kernel and Polynomial kernel based on maximizing kernel polarization. Firstly, set the search range of kernel parameters. Then, calculate the kernel polarization value at a specific kernel parameter. Finally, choose an optimum kernel parameter value to train and test classifier. Compared with the conventional lO-fold cross-validation, the proposed algorithm can implement the selection of optimal kernel parameter values effectively without needing to train and test classifie rsrepeatedly. The testing experimental results on UCI datasets show that the model has better generalization ability and higher precision in multiclass classification, demonstrating the effectiveness of the kernel parameter selection algorithm.

关 键 词：支持向量机 核参数选择 模型选择 核极化 

分 类 号：TH16[机械工程—机械制造及自动化]