支持向量机模型参数研究
支持向量机的模型参数包括误差惩罚参数和核参数,模型参数的确定直接影响支持向量机分类器的类型和复杂性,为了优化支持向量机的性能,在仿真实验和理论分析的基础上,分析了高斯核支持向量机误差惩罚参数C和高斯核参数σ变化特点,使用UCI数据库中的电离层数据集和脑-机接口左手和右手击键的脑电实验数据制作区域搜索表,分析了参数C和σ同时变化的性质,提出了一种新的区域搜索表分布模型,该模型由优化直线、优化区域、欠拟合区域、过拟合区域和过渡区域构成.应用遗传算法搜索支持向量机模型参数优化点,支持向量机的分类性能得到显著地提高.
人工神经网络 支持向量机 模型参数 性能优化 仿真分析
赵明渊 唐科 杨凡 周明天 张渡
电子科技大学计算机科学与工程学院 成都 610054 中国农业银行四川省分行 四川 成都 610015
国内会议
成都
中文
176-179
2007-12-01（万方平台首次上网日期，不代表论文的发表时间）