本文關(guān)鍵詞：粒子群算法優(yōu)化混合核函數(shù)SVM及應(yīng)用

  更多相關(guān)文章： 支持向量機 動態(tài)粒子群 核函數(shù)參數(shù) 尋優(yōu) 分類精度

【摘要】：相比于單一核函數(shù)支持向量機,混合核函數(shù)的引入使支持向量機多了一個可調(diào)參數(shù),而這個可調(diào)參數(shù)一般是根據(jù)人為隨機選取或者依據(jù)經(jīng)驗選取,并不能保證參數(shù)最優(yōu)。針對此問題,提出了以懲罰系數(shù)、核函數(shù)參數(shù)和可調(diào)參數(shù)為尋優(yōu)對象,用動態(tài)粒子群對其進行尋優(yōu)的方法,以獲取最優(yōu)參數(shù)組合,從而提高支持向量機的分類性能。通過對UCI數(shù)據(jù)庫中的IRIS數(shù)據(jù)集進行分類實驗,結(jié)果表明:相比于單一核函數(shù)支持向量機,混合核函數(shù)支持向量機泛化能力更好,分類精度更高;動態(tài)粒子群算法能夠搜索到更優(yōu)的支持向量機參數(shù)。
【作者單位】： 海軍工程大學(xué);空軍裝備研究院;
【關(guān)鍵詞】： 支持向量機 動態(tài)粒子群 核函數(shù)參數(shù) 尋優(yōu) 分類精度
【分類號】：TP18
【正文快照】： 1引言支持向量機(Support Vector Machine,SVM)是統(tǒng)計學(xué)習(xí)理論的具體體現(xiàn),統(tǒng)計學(xué)習(xí)理論是從小樣本出發(fā)的學(xué)習(xí)理論,最早是由Vapnik于20世紀(jì)60年代提出的,自20個世紀(jì)90年代逐漸受到越來越多的關(guān)注[1]。一般的機器學(xué)習(xí)如神經(jīng)網(wǎng)絡(luò),在訓(xùn)練的過程中目標(biāo)函數(shù)通常遵循最小化經(jīng)驗風(fēng)險,

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周珂;蔡潔;;SVM在阿爾茨海默型老年癡呆癥輔助診斷中的應(yīng)用[J];現(xiàn)代計算機(專業(yè)版);2012年17期

2 王蒙;傅行軍;;基于參數(shù)優(yōu)化SVM的旋轉(zhuǎn)機械故障診斷[J];江蘇電機工程;2008年01期

3 謝志強;高麗;楊靜;;基于球結(jié)構(gòu)的完全二叉樹SVM多類分類算法[J];計算機應(yīng)用研究;2008年11期

4 孫穎;劉玉滿;龔穩(wěn);;基于SVM的多傳感器信息融合[J];長春工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2013年03期

5 焦鵬;王新政;謝鵬遠;;基于SVM的模擬電路故障診斷及參數(shù)優(yōu)化方法[J];計算機測量與控制;2013年08期

6 張貝貝;何中市;;基于支持向量數(shù)據(jù)描述算法的SVM多分類新方法[J];計算機應(yīng)用研究;2007年11期

7 趙天昀;;多分類SVM在企業(yè)競爭情報自動分類中的應(yīng)用[J];現(xiàn)代情報;2008年10期

8 彭磊;高峰;任立華;黃真輝;;基于SVM的混沌時間序列預(yù)測模型應(yīng)用研究[J];工程勘察;2013年09期

9 劉海松;吳杰長;陳國鈞;;克隆選擇優(yōu)化的SVM模擬電路故障診斷方法[J];電子測量與儀器學(xué)報;2010年12期

10 劉永斌;何清波;張平;孔凡讓;;基于SVM的旋轉(zhuǎn)機械故障診斷方法[J];計算機工程;2012年05期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 滕衛(wèi)平;胡波;滕舟;鐘元;;SVM回歸法在西太平洋熱帶氣旋路徑預(yù)報中的應(yīng)用研究[A];S1 災(zāi)害天氣研究與預(yù)報[C];2012年

2 王紅軍;徐小力;付瑤;;基于SVM的旋轉(zhuǎn)機械故障診斷知識獲取[A];第八屆全國設(shè)備與維修工程學(xué)術(shù)會議、第十三屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2008年

3 陳兆基;楊宏暉;杜方鍵;;用于水下目標(biāo)識別的選擇性SVM集成算法[A];中國聲學(xué)學(xué)會水聲學(xué)分會2011年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2011年

4 程麗麗;張健沛;楊靜;馬駿;;一種改進的層次SVM多類分類方法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

5 左南;李涓子;唐杰;;基于SVM的肖像照片抽取[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

6 寧偉;苗雪雷;胡永華;季鐸;張桂平;蔡東風(fēng);;基于SVM的無參考譯文的譯文質(zhì)量評測[A];機器翻譯研究進展——第四屆全國機器翻譯研討會論文集[C];2008年

7 劉旭;羅鵬飛;李綱;;基于擬合角特征及SVM的雷達輻射源個體識別[A];全國第五屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議�？�(第一冊)[C];2011年

8 羅浩;謝軍龍;胡云鵬;;地源熱泵空調(diào)系統(tǒng)故障診斷中SVM的應(yīng)用[A];全國暖通空調(diào)制冷2008年學(xué)術(shù)年會資料集[C];2008年

9 劉閃電;王建東;;權(quán)重部分更新的大規(guī)模線性SVM求解器[A];2009年研究生學(xué)術(shù)交流會通信與信息技術(shù)論文集[C];2009年

10 王艦;湯光明;;基于SVM的圖像隱寫檢測分析[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計算機學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 陳志茹;基于SVM集成學(xué)習(xí)的miRNA靶基因預(yù)測研究[D];燕山大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊劉;基于PCA與SVM的地力評價研究[D];中南林業(yè)科技大學(xué);2015年

2 伍岳;基于SVM的文本分類應(yīng)用研究[D];電子科技大學(xué);2014年

3 高傳嵩;基于SVM文本分類的問答系統(tǒng)的設(shè)計與實現(xiàn)[D];南京大學(xué);2014年

4 馮天嬌;基于肝臟表觀模型和優(yōu)化SVM的肝癌識別方法的研究與實現(xiàn)[D];東北大學(xué);2013年

5 姚磊;基于SVM主動學(xué)習(xí)的音樂分類[D];南京郵電大學(xué);2015年

6 毛曉東;基于多層SVM的面筋強度分類模型優(yōu)化研究[D];黑龍江大學(xué);2014年

7 馬琰;一種基于SVM和多源數(shù)據(jù)的金絲猴生境評價研究[D];中國林業(yè)科學(xué)研究院;2015年

8 王立達;基于混合核函數(shù)的SVM及其應(yīng)用研究[D];大連海事大學(xué);2016年

9 李同同;基于SVM安瓿藥液雜質(zhì)檢測與識別算法的研究[D];廣東工業(yè)大學(xué);2016年

10 林志杰;基于二叉平衡決策樹的SVM多分類算法的改進[D];福州大學(xué);2014年

，

本文編號：1039500