1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 计算机
  5. 人工智能

基于遗传算法的svm参数优化研究studyonoptimizingthesvm.pdfVIP

  • 17
  • 0
  • 约2.13万字
  • 约 6页
  • 2017-11-25 发布于天津
  • 举报

基于遗传算法的svm参数优化研究studyonoptimizingthesvm.pdf

    东南大学校庆研究生学术报告会基于遗传算法的参数优化研究芮铭敏东南大学计算机科学与工程学院南京摘要支持向量机是机器学习领域的一种比较新颖的方法能够克服维数灾难等传统统计学问题能够较好地处理小样本学习问题而其中的核函数参数和惩罚因子至关重要作者利用文献所提供的实验结果进行比较性的实验首先验证遗传算法的核函数稳定性以及与网格法比较实验结果的优劣再利用对的参数进行进一步的优化实验然后设计了改进后的自适应并进行同样的实验通过实验的结果对比和都表现出有更好的效果为更多基于改进的的参数优化提供参考关键词支持向

    2012东南大学校庆研究生学术报告会 SVM SVM 基于遗传算法的SSVVMM参数优化研究 芮铭敏1 (东南大学计算机科学与工程学院，南京，211189) 摘 要：支持向量机(SVM)是机器学习领域的一种比较新颖的方法，能够克服维数灾难等传统统计学问题，

    您可能关注的文档

    最近下载

    文档评论（0）

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >