| 基于改进交叉验证算法的支持向量机多类识别 |
| |
| 引用本文： | 邓蕊,马永军,刘尧猛.基于改进交叉验证算法的支持向量机多类识别[J].天津科技大学学报,2007,22(2):58-61. |
| |
| 作者姓名： | 邓蕊 马永军 刘尧猛 |
| |
| 作者单位： | 1. 天津科技大学电子信息与自动化学院,天津,300222
2. 天津科技大学计算机科学与信息工程学院,天津,300222 |
| |
| 基金项目： | 天津市科技攻关项目;天津市教委资助项目 |
| |
| 摘 要： | 如何确定支持向量机最佳参数用以训练得到最优分类器,使之对未知样本同样具有良好的分类效果,一直是问题解决的关键.针对传统的交叉验证算法仅仅从全局的角度寻找极值点作为最优参数,而忽略了局部信息使得分类效果受到限制问题,提出一种改进的交叉验证算法,在考虑全局极值点的同时,也记录了局部极值点,求取全部极值点对应参数的平均值,由此得到最优参数.实验结果表明,该算法可以有效地确定最优参数,分类准确率有所提高.
|
| 关 键 词： | 支持向量机 统计学习理论 交叉验证 |
| 文章编号： | 1672-6510（2007）02-0058-04 |
| 修稿时间： | 2006-10-182007-01-08 |
Support Vector Machine Multi-class classification Based on an Improved Cross Validation Algorithm |
| |
| DENG Rui,MA Yong-jun,LIU Yao-meng.Support Vector Machine Multi-class classification Based on an Improved Cross Validation Algorithm[J].Journal of Tianjin University of Science & Technology,2007,22(2):58-61. |
| |
| Authors: | DENG Rui MA Yong-jun LIU Yao-meng |
| |
| Abstract: | How to find the optimal parameters of SVM to train the model in order to have a better recognition rate when treating unknown test samples has been the most important issue to solve practical problems. Traditional cross validation algorithm only find the optimal parameters in the whole scale of values. A new algorithm was proposed which take into account the extreme values in the limited scale. Results show that this algorithm has a better recognition rate. |
| |
| Keywords: | support vector machine statistical learning theory cross validation |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
