基于改進網(wǎng)格搜索法的SVM參數(shù)優(yōu)化
作者：劉小生; 章治邦 江西理工大學建筑與測繪工程學院; 江西贛州341000
摘要：支持向量機的學習和泛化能力很大程度上取決于其相關(guān)參數(shù)的選取.針對傳統(tǒng)網(wǎng)格算法的不足,引入全局粒子群算法,利用其能夠快速到達最優(yōu)解附近的優(yōu)勢:先使用粒子群算法進行粗搜;再使用網(wǎng)格搜索法進行小步長的精細搜索得到最優(yōu)解.實驗結(jié)果表明:基于改進的網(wǎng)格搜索法SVM對比傳統(tǒng)網(wǎng)格搜索法SVM,在預(yù)測精度和運算時間上都具有優(yōu)勢.
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
相關(guān)熱門期刊
