排序方式: 共有1条查询结果,搜索用时 15 毫秒
1
1.
支持向量机的参数选择决定了其学习性能和泛化能力,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优。基于此,提出一种基于混沌粒子群的支持向量机参数选择算法。混沌粒子群优化算法是一种全局搜索方法,在选取SVM参数时,不必考虑模型的复杂度和变量维数.仿真表明,混沌粒子群优化算法是选取SVM参数的有效方法,可以取得令人满意的效果。 相似文献
1