支持向量机增量学习中模型参数选择问题研究
张鹏
倪世宏
谢川
1.空军工程大学工程学院,陕西西安,7100382.空军工程大学工程学院,陕西西安,7100383.空军工程大学工程学院,陕西西安,710038
摘要：支持向量机性能主要受模型参数的影响,而支持向量机增量学习中模型参数选择问题研究较少.针对这一问题,提出一种支持向量机增量学习中模型参数选择方法.将鲁棒度作为增量学习的性能估计准则,用拟合误差和比例系数调节解空间取值范围,采用梯度下降法搜索参数,用初始模型参数作为梯度下降法的初始值.用该方法对Logistic模型和航空发动机振动监控进行实验.结果表明:与基本遗传算法和梯度法进行比较,所提方法能充分利用历史学习的结果,缩小解空间的搜索范围,加快收敛速度.
关键词：支持向量机增量学习模型参数选择鲁棒度拟合误差梯度下降法
分类号：TP391(计算技术、计算机技术)
资助基金：国家“863”计划资助项目(2010AA8090514-C)
论文发表日期：2011-01-01
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：5( 5-9 )
英文信息