一种双线性分段二分网格搜索SVM最优参数方法
施皓晨
肖海鹏
周建江
南京航空航天大学电子信息工程学院 南京 211106
摘要：提出了一种双线性分段二分网格搜索方法来确定SVM模型的最优参数.首先,在初始搜索范围内,以等间隔固定取样值,对惩罚因子进行采样,分别计算这些取样点的SVM的交叉验证正确率,并寻找出满足交叉验证最高正确率所对应的惩罚因子,确定搜索SVM最佳参数的最佳搜索段;然后,在搜索段间分段采用二分法,迭代求解出每段SVM的最高正确率,已得到所对应的最佳参数;最后,找出所有最佳搜索段的SVM最高正确率的最大值,其对应的最佳参数即为SVM模型参数优化结果.与传统的双线性法、网格搜索法和双线性网格搜索法等方法相比,论文提出的参数优化方法训练量小,计算简单,学习精度高,优选的参数能够使得SVM具有更高的泛化性能.
关键词：参数优化支持向量机RBF核分段二分法核参数惩罚因子
分类号：TP181(自动化基础理论)
论文发表日期：2020-09-20
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：6( 2179-2184 )
英文信息