10.3969/j.issn.1000-386X.2009.07.037
采用遗传算法优化最小二乘支持向量机参数的方法
支持向量机是建立在统计学习理论上的一种学习算法,较好地解决了小样本学习问题.由不同的参数和核函数构造的支持向量机在性能上存在很大差异,而在参数和核函数的选择上目前还没有明确的理论依据.针对支持向量机的参数选择问题,提出了一种采用遗传算法优化最小二乘支持向量机参数的方法.结合LS-SVMlab工具箱,在MATLAB实验平台的仿真实验表明,该方法提高了支持向量机的参数选择效率,得到的参数对测试样本的分类结果是最优的,从而避免了人为设定参数的不足,同时缩短了优化时间.
最小二乘支持向量机、遗传算法、参数选择、LS-SVMlab工具箱
26
V22;TP3
黑龙江省自然科学基金项目C2004-03
2009-08-19(万方平台首次上网日期,不代表论文的发表时间)
共3页
109-111