特征选择和SVM训练模型的联合优化 |
| |
引用本文: | 陈光英,张千里,李星.特征选择和SVM训练模型的联合优化[J].清华大学学报(自然科学版),2004,44(1):9-12. |
| |
作者姓名: | 陈光英 张千里 李星 |
| |
作者单位: | 清华大学,电子工程系,北京,100084 |
| |
基金项目: | 国家 "八六三" 高技术项目(2001AA2130) |
| |
摘 要: | 提出了特征选择和支持向量机(SVM)训练模型的联合优化方法,利用特征选择和训练模型的互相依赖关系来提高SVM性能.该方法包括3个关键技术 优化目标是提高SVM性能,它是由ξα-estimate方法计算出来的; 用一个二进制向量表示特征选择,用混合核函数和折中控制参数来表示训练模型; 用演化算法来求解联合优化问题.通过使用入侵检测标准数据,比较了联合优化、单独优化和分开优化方法以及遗传算法(GA)和粒子群优化算法(PSO)的使用效果.结果表明 联合优化方法能更好地提高SVM性能,并且收敛速度更快; GA的效果比PSO要好.
|
关 键 词: | 人工神经网络与计算 支持向量机 ξα-estimate 混合核函数 遗传算法 粒子群优化 |
文章编号: | 1000-0054(2004)01-0009-04 |
修稿时间: | 2002年11月18 |
Hybrid optimization of feature selection and SVM training model |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|