基于遗传算法的支持向量机的参数优化
曹路1
欧阳效源2
1.五邑大学信息工程学院 江门 529020; 中山大学信息科学与技术学院 广州 5100062.中山大学信息科学与技术学院 广州 510006
摘要：支持向量机的性能主要受到核函数的参数和惩罚因子的影响，其中，以高斯核函数作为支持向量机的核函数的应用最为广泛。论文在研究了惩罚参数 C 及高斯核函数参数σ对支持向量机分类性能影响的基础上，利用网格搜索法和遗传算法对基于 RBF 核的 SVM 进行了参数优化，并通过 UCI 数据集进行了验证。实验结果显示，遗传算法相较于网格搜索算法具有更快的搜索速度，在实际运用中更加高效。
关键词：支持向量机核函数参数遗传算法
分类号：TP273(自动化技术及设备)
资助基金：五邑大学青年基金(2014zk10)五邑大学青年基金(2015zk11)江门市科技计划(201501003001556)
论文发表日期：2016-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 575-577,595 )
英文信息