RBF核支持向量機(jī)的參數(shù)快速選擇方法的研究與實(shí)現(xiàn).pdf

1、支持向量機(jī)(SVM)是機(jī)器學(xué)習(xí)領(lǐng)域中正在快速發(fā)展的一種技術(shù)，在模式識別、回歸預(yù)測、密度估計(jì)等方面都有廣泛的應(yīng)用。支持向量機(jī)建立在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)之上，特別適用于有限樣本、非線性問題，得到的學(xué)習(xí)模型推廣性較好，具有優(yōu)良的性能。在應(yīng)用SVM方法時，核函數(shù)的選用和參數(shù)的選擇都會對SVM的性能產(chǎn)生很大的影響。最常用的尋找參數(shù)方法是網(wǎng)格搜索法，它是一種窮舉式的搜索，沒有利用啟發(fā)式的信息。網(wǎng)格搜索法雖可以求出很好的參數(shù)，但需要消耗很長的時間。本文

2、主要針對RBF核函數(shù)和SVM分類問題，利用了訓(xùn)練樣本在特征空間中的分離性特征和RBF核SVM的漸近性質(zhì)等一些研究成果作為啟發(fā)式信息來快速確定一個近似最優(yōu)的參數(shù)組合，并通過小范圍的搜索來求精，得出了一種快速選擇參數(shù)的方法，本文在LIBSVM工具包的基礎(chǔ)上實(shí)現(xiàn)了該方法。 本文通過在幾個UCI分類數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，將本文方法與網(wǎng)格搜索方法在運(yùn)行速度和結(jié)果精度等方面進(jìn)行了對比。實(shí)驗(yàn)數(shù)據(jù)證明本文方法在運(yùn)行速度上比網(wǎng)格搜索方法有較大的優(yōu)勢，