支持向量机模型参数选择方法综述.pdfVIP

ISSN 1009-3044 E-mail: eduf@ 第 卷第 期 年 月 6 28 (2010 10 ) Computer Knowledge and Technology 电脑知识与技术 Computer Knowledge and Technology 电脑知识与技术 Vol.6,No.28, October 2010, pp.8081-8082,8085 Tel:+86-551-5690963 5690964 支持向量机模型参数选择方法综述 1 2 付阳 ，李昆仑 （ 南昌大学信息工程学院江西南昌 ； 南昌大学科学技术学院，江西南昌 ） 1. 330031 2. 330029 摘要：支持向量机是机器学习和数据挖掘领域的热门研究课题之一，作为一种尚未完全成熟的技术， 目前仍有许多不足，其中之一 就是没有统一的模型参数选择标准和理论。 在具体使用中，对支持向量机性能有重要影响的参数包括惩罚因子 ，核函数及其参数 C 的选取。 文章首先分析了模型参数对支持向量机性能的影响，然后对几种常用的模型参数选择方法进行介绍，分析以及客观评价， 最后概括了支持向量机模型参数选择方法的现状，以及对其发展趋势进行了展望。 关键词：支持向量机；模型参数选择；惩罚因子；核函数；核参数 中图分类号： 文献标识码： 文章编号： TP181 A 1009-3044(2010)28-8081-02 A Survey of Model Parameters Selection Method for Support Vector Machines 1 2 FU Yang , LI Kun-lun (1.Information Engineering College of NanChang University, Nanchang 330031, China; 2.Science and Technology College of NanChang University, Nanchang 330029, China) Abstract: Support vector machine is machine learning and data mining area is one of the hot research topic, as a kind of technology, has not yet been fully mature now, there are still many deficiencies, one is no unified model parameter selection criteria and theory. In the spe- cific use of support vector machine has a significant effect on the performance of the parameters including the penalty C, kernel function and parameters selection. This paper analyzes the model of support vector machine performance parameters, t