粒子群算法的SVM參數(shù)選取
推薦 + 挑錯(cuò) + 收藏(0) + 用戶(hù)評(píng)論（0）
支持向量機(jī)采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則（Structural Risk Minimization，SRM）訓(xùn)練學(xué)習(xí)機(jī)器，其主要優(yōu)點(diǎn)有：將學(xué)習(xí)問(wèn)題歸結(jié)為一個(gè)凸二次規(guī)劃問(wèn)題，從理論上說(shuō)，得到的將是全局最優(yōu)解，解決了在神經(jīng)網(wǎng)絡(luò)方法中無(wú)法避免的局部極值問(wèn)題；通過(guò)非線(xiàn)性變換將數(shù)據(jù)映射到高維特征空間，使數(shù)據(jù)在高維空間中可以用線(xiàn)性判別函數(shù)分類(lèi)；巧妙地解決了維數(shù)問(wèn)題，算法復(fù)雜度與樣本維數(shù)無(wú)關(guān)；具有簡(jiǎn)潔的數(shù)學(xué)形式和直觀的幾何解釋?zhuān)藶樵O(shè)定的參數(shù)少，便于理解和使用。支持向量機(jī)建立在嚴(yán)格的理論基礎(chǔ)之上，較好地解決了非線(xiàn)性、高維數(shù)、局部極小點(diǎn)等問(wèn)題，成為繼神經(jīng)網(wǎng)絡(luò)研究之后機(jī)器學(xué)習(xí)領(lǐng)域新的研究熱點(diǎn)。
針對(duì)SVM這種算法選取參數(shù)不完善的地方，選取參數(shù)的算法需具備較強(qiáng)的普遍性，收斂速度快，計(jì)算量小和全局搜索能力強(qiáng)的要求，本文利用張英男等人提出的活躍目標(biāo)點(diǎn)粒子群算法對(duì)SVM參數(shù)進(jìn)行選取。通過(guò)仿真實(shí)驗(yàn)可以看出改進(jìn)的粒子群算法能夠選出較為有效的算法。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
粒子群算法的SVM參數(shù)選取下載
相關(guān)電子資料下載
- 如何利用一些小技巧實(shí)現(xiàn)SVM的增量式訓(xùn)練 321
- 基于SVM的電機(jī)異常檢測(cè)系統(tǒng) 395
- 不同種植設(shè)施背景蔬菜作物無(wú)人機(jī)高光譜精細(xì)分類(lèi)2.0 228
- 請(qǐng)問(wèn)如何FPGA上使用SVM進(jìn)行圖像處理呢？ 1129
- 采煤機(jī)用牽引干式變壓器優(yōu)化設(shè)計(jì)方案 1209
- 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)和應(yīng)用領(lǐng)域 1602
- SVM的使用方法 1262
- 使用Python從零實(shí)現(xiàn)多分類(lèi)SVM 337
- 利用MJF實(shí)現(xiàn)一體化多功能可穿戴傳感器的制備 543
- 怎樣使用Python從零實(shí)現(xiàn)多分類(lèi)SVM呢？ 363