一种改进的支持向量机参数寻优方法-计算机与数字工程.PDF

Vol. 45 No. 7 计算机与数字工程 总第333 期 1318 Computer Digital Engineering 第45 卷 2017 年第7 期 一种改进的支持向量机参数寻优方法∗ 吕金锐 （太原城市职业技术学院 太原 030027 ） 摘 要 误差惩罚参数和核参数是决定SVM 泛化能力的主要因素，对这两种参数的优化是SVM 应用中需要解决的关 键问题之一。论文在研究支持向量机理论的基础上，利用一些标准的测试数据集研究了均匀设计方法在RBF 核参数优化问 题上的表现。通过对比寻优精度，发现和传统均方设计方法相比，采用论文的方法能进一步提高精度。 关键词 SVM ；均方设计；RBF 核参数 中图分类号 TP 18 DOI ：10. 3969/j. issn. 1672-9722. 2017. 07. 017 An Improvement of Support Vector Machine Parameter Optimization Method LV Jinrui （Taiyuan City Vocational College ，Taiyuan 030027 ） Abstract The penalty parameter and the kernel parameter are the main factors to determine SVMs generalization perfor⁃ mance and the optimization of these two parameters is one of the key issues ，which needs to be solved in the application of SVM. Based on the research of SVM theory ，through programming ，the paper uses some standard test data sets to compare the perfor⁃ mance of uniform design method in the RBF kernel SVM parameter optimization problems. Through the comparison of accuracy ，it is showed that the further precision can be obtained compared with the traditional method. Key Words SVM ，uniform design ，RBF kerne Class Number TP 18 参数，必须借助相关的参数优化算法。本文在传统 1 引言 的均方设计方法的基础上设计了一种改进的算法， 支持向量机（SVM ）是Vapnik 等在COLT-92 提 通过实验分析表明，采用改进后的参数优化方法在 出的一种新型的机器学习方法，其主要理论基础为 寻优精度上有了提高。 统计学习，并依据风险最小化原理推导而出。SVM 2 支持向量机基本原理 在有限