确定高斯核参数的聚类方法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 确定高斯核参数的聚类方法 刘琼荪，范瑞雅 LIU Qiongsun，FANRuiya 重庆大学数理学院，重庆400030 ofMathematicsand College 400030，China Physics，ChongqingUniversity，Chongqing E—mail：fanruiya2007@163．com LIU of Gaussiankernel and Qiongsun，FANRuiya．Methoddetermining parameterbyclustering．ComputerEngineering Applications。2011，47(3)：38-40． Abstract：TheselectionofGaussiankernel affectstheclassificationofGaussiankernel parameter盯directly Vector the methodandminimum is constructedtodeter- distance，an Machine)．Togetheringclustering optimizationalgorithm minethe GaussiankemeISVMto thetest correctclassificationratecontributes parameter盯，whichadapts classify set．whose theselectionof resultsshowthatthismethodiS suitablefora broaderdata parameter盯．Experimental methodhasa classification． ability．and resultsofthe goodgeneralizatione衔cientlydevelops kernel Vector words：Gaussian Machine(SVM) Key parameter；clustering；minimumdistance；Suppoa 摘要：高斯核参数盯的选择，直接影响着高斯核支持向量机的分类性能。将聚类方法与最小距离分类法进行融合，构造了能有 效确定高斯核参数盯的优化算法。采用高斯核支持向量机方法对测试集进行分类，以分类正确率来评判选取核参数盯的效果。 实验表明，该方法适宜于较广泛的数据类型，具有良好的推广能力，并能有效提高分类效果。 关键词：高斯核参数；聚类；最小距离；支持向量机 文章编号：1002-8331(2011)03．0038．03文献标识码：A 中图分类号：TP301；TP274 DOI：10．3778a．issn．1002—8331．2011．03．01l l 引言 样本，把所有样本点判为同一类，没有学习推广能力I”；(3)当盯 VectorMa- 小于某个值时，分类正确率反而下降，说明盯的取值并非数学意 VapniU”于1992年提出的支持向量机(Support 义上的趋于0。因此对有效提高分类正确率具有十分重