文献类型：期刊文献

中文题名：基于PSO算法的支持向量机核参数选择问题研究

英文题名：Kernel Parameter Selection of the Support Vector Machine based on Particle Swarm Optimization

作者：袁小艳[1];刘爱伦[1]

机构：[1]华东理工大学自动化研究所,上海200237

年份：2007

卷号：26

期号：5

起止页码：5

中文期刊名：自动化技术与应用

外文期刊名：Techniques of Automation and Applications

收录：CSTPCD

语种：中文

中文关键词：支持向量机;核函数;粒子群算法;推广能力

外文关键词：support vector machine; kernel; particle swarm optimization; generalization ability

摘要：核函数中的参数选择是支持向量机中的一个非常重要的问题,它直接影响到模型的推广能力。本文提出了采用粒子群算法搜索支持向量机最优核参数的方法,并在 Checker 数据集上进行了实验,实验结果表明,通过这种方法选择出来的核参数能够提高分类正确率以及预测正确率,具有一定的实用性。
Kernel parameter selection directly affects the model＇ s generalization ability. A novel selection method based on particle swarm optimization is proposed in this paper, the method is verified with the Checker dataset, the results demonstrate that the algorithm can improve the overall performance of the SVM classifier.