一种基于PSO的RBF-SVM模型优化新方法
DOI:
CSTR:
作者:
作者单位:

1. 陕西空军工程大学导弹学院
2. 陕西三原县25信箱研究生二队

作者简介:

徐海龙

通讯作者:

中图分类号:

基金项目:


A New Approach for Optimizing the Model of RBF-SVM Based on PSO
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对使用径向基核函数的支持向量机,采用粒子群优化方法实现模型优化。基于训练集中样本之间的最近平均距离和最远平均距离,给出参数 的取值空间,从而减小了超参数搜索的范围,并采用对数刻度进一步提高粒子群优化方法的参数搜索效率。与遗传算法和网格法的对比实验表明新方法收敛速度更快,得出的超参数更优。

    Abstract:

    For the radial basis function (RBF) kernel based support vector machines (SVM), particle swarm optimization (PSO) is employed to carry out the model optimization. The value space of the parameter is presented on the analysis of the mean shortest distance and mean furthest distance among samples of the training set thus the search region is reduced, logarithmic scale is employed to further improve the search efficiency of PSO. Extensive experiments on comparison with genetic algorithm and grid based approaches indicate that the proposed approach converges faster and produces better hyper-parameters.

    参考文献
    相似文献
    引证文献
引用本文

徐海龙 张宏达.一种基于PSO的RBF-SVM模型优化新方法[J].控制与决策,2010,25(3):367-370

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-03-24
  • 最后修改日期:2009-06-11
  • 录用日期:
  • 在线发布日期: 2010-03-20
  • 出版日期:
文章二维码