基于RBF核函数支持向量机参数选择.pdfVIP

维普资讯 第 35卷第2期 浙 江 工 业 大 学 学 报 Vo1．35NO．2 2007年 4月 JOURNALOFZHEJIANGUNIVERSITY 0FTECHNOLOGY Apr．2007 基于RBF核函数的支持 向量机参数选择 林升梁 。刘 志 (1．浙江工业大学 信息工程学 院，浙江 杭州 310032； 2．浙江工业大学 软件学院，浙江 杭州 310032) 摘要 ：由于SVM 在各个领域中得到越来越广泛的应用，而决定SVM性能的因素是核 函数的选取． 其 中，RBF核函数是应用最广泛的核函数，且有两个参数：惩罚因子 c和核参数y．因此，希望能找 ， 到最优化参数组 (c，y)使 SVM 具有最好推广性．首先提 出了用E一 代替留一法来评估 SVM 的 rl 推广性，它的优点是速度快、准确性高；然后，分析参数 C和 7对 SVM 性能的影响 ，由此将 问题归 结在一个小的“好区”内选取最优参数组 (C，y)；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；推广识剐率 中图分类号 ：TP181 文献标识码 ：A 文章编号 ：1006—4303(2007)02—0163—05 Parameterselection inSVM withRBF kernelfunction LIN Sheng—liang 。LIU Zhi。 (1．CollegeofInformationEngineering，ZhejiangUniversityofTechnology，Hangzhou，310032，China 2．CollegeofSoftware，Zhe)iangUniversityofTechnology，Hangzhou，310032，China) Abstract：Supportvectormachines(SVM )ismoreandmoreappliedinthevariousfieldsinrecent years．Selectionofkernelfunction iSapivotalfactorwhich decidesperformanceofSVM ．The RBF kernelfunctionismostwidelyusedinSVM ．Therearetwoparametersinthisfunction：the penaltyparameterC andthekernelparametery．Theoptimizationparameters (C，)，)willmake ， theSVM havethebestperformance．Firstly，theE一 methodisproposedtobeusedtoassess theperformanceofSVM insteadofusingexhaustalgor