| 一种基于数据独立性的SVC核参数选择方法 |
| |
| 引用本文： | 马亮,王文剑.一种基于数据独立性的SVC核参数选择方法[J].广西师范大学学报(自然科学版),2007,25(4):59-62. |
| |
| 作者姓名： | 马亮 王文剑 |
| |
| 作者单位： | 山西大学,计算机与信息技术学院,计算智能与中文信息处理省部共建教育部重点实验室,山西,太原,030006 |
| |
| 基金项目： | 国家自然科学基金资助项目(60673095)，山西省高校科技研究开发项目(200611001)，山西省留学人员科技活动择优资助项目，山西省高校青年学术带头人基金资助项目 |
| |
| 摘 要： | 提出一种选择支持向量分类(Support Vector Classification,SVC)最优核参数的算法,称为MI(Maximum Isolation)算法,通过定义样本间的独立性,可以获得最优核参数和相应的最优学习模型。该算法可以在支持向量机训练之前得到最优的核参数,计算代价较小,实验证明所提出的算法简单有效。
|
| 关 键 词： | 支持向量机 核参数 MI算法 数据独立性 |
| 文章编号： | 1001-6600（2007）04-0059-04 |
| 收稿时间： | 2007-04-19 |
Approach to Choose Kernel Parameters for SVC Based on Data Isolation |
| |
| MA Liang,WANG Wen-jian.Approach to Choose Kernel Parameters for SVC Based on Data Isolation[J].Journal of Guangxi Normal University(Natural Science Edition),2007,25(4):59-62. |
| |
| Authors: | MA Liang WANG Wen-jian |
| |
| Abstract: | This paper presents an algorithm of choosing optimal kernel parameters for support vector classification,namely MI algorithm.By defining the data isolation among samples,the optimal kernel parameters and the optimal learning model can be obtained.Because the optimal kernel parameters can be obtained before SVM training,the less computation cost is needed.Simulation results demonstrate the simpleness and validity of the presented approach. |
| |
| Keywords: | support vector machine kernel parameter MI algorithm data isolation |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
