基于RBF核函数的支持向量机参数选择pdf

《基于RBF核函数的支持向量机参数选择pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第35卷第2期浙江工业大学学报Vol.35No.22007年4月JOURNALOFZHEJIANGUNIVERSITY0FTECHNOLOGYApr.2007基于RBF核函数的支持向量机参数选择林升梁I，刘志2(11浙江工业大学信息工程学院，浙江杭州310032:21浙江工业大学软件学院，浙江杭州31()032)摘要:由于SVM在各个领域中得到越來越广泛的应用，而决定SVM性能的因素是核函数的选取.其屮,RBF核断数是应用最广泛的核函数，且有两个参数:惩罚因了C和核参数因此，希望能找到最优化参数使SVM具有最好推广性.首先提出了用E=代替甫一法来评估

2、SVM的推广性，它的优点是速度快、准确性高；然后，分析参数C和Y对SVM性能的影响，由此将问题归结在一个小的“好区”内选収最优参数组(C")；最后，分别用穷举法和下文所提出的方法进行比较，得出在“好区”内用CY=C(常数)来确定最优化参数同样能得到很好的推广性，而且速度上比穷举法快的多.此方法，具有一定的实际应用价值.关键词:支持向量机；RBF核参数;惩罚因子C;推广识别率中图分类号:TP181文献标识码:A文章编号:100624303(2007)0220163205ParameterselectioninSVMwithRBFkernelfuncti

3、onLINSheng21iang,,LIUZhi2(11CollegeofInformationEngineering,ZhejiangUnivcrsityofTechnology,Hangzhou,310032,China;21CollegeofSoftware»ZhejiangUnivcrsityofTechnology,Hangzhou,310032,China)Abstract:Supportvectormachines(SVM)ismoreandmoreappliedinthevariousfieldsinrecentyears.Selec

4、tionofkernelfunctionisapivotalfactorwhichdecidesperformanceofSVM・TheRBFkernelfunctionismostwidelyusedinSVM・Therearctwoparametersinthisfunction:thepcnaltyparameterCandthekernelparameter/.Theoptimizationparameters(C9y)willmakeu.theSVMhavethebestperformance・Firstly,theE=methodispr

5、oposedtobeusedtoassesstheperformanceofSVMinsteadofusingexhaustalgorithm.Thisalgorithmisofhighspeedandhighaccuracy.Thenthroughanalyzingtheinfluenceoftheparameterscand/totheperformaneeofSVM,itisreducedtotheproblemthattheoptimizationparametersshouldbeselectedinasmall“good2area";Fi

6、nally,throughcomparingtheexhaustalgorithmandthemethodmentionedinthispaperseparately、wecouldobtainthatusingCy=C(constant)todefinetheoptimizationparameterswillgetgoodperformanceofSVM・Thismethodisofgoodpracticaluse・Keywords:supportvectormachine(SVM);parameterofRBFkernel;penaltyfac

7、tor;general2izedrecognitionrate收稿日期:2006209225作者简介:林升梁(1980—),男，浙江温州人，硕士研究生，从事图像处理.模式识别的研究.http:/Av\rw.cnki.nct©1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.0引言机器学习是继专家系统Z后人工智能应用的乂一重要研究领域，也是人工智能和神经计算的核心研究课题z—.在模式识别、回归分析和特征提取等方面得到了越來越广泛的应用.目前，在统计学习理论

8、的基础上，发展出來i种新的机器学习方法支持向量机m(Supportvectormachines,SVM).它