[1]马驰 阮秋琦.基于离散微粒群优化算法的SVM参数选择[J].计算机技术与发展,2007,(12):20-23.
　MA Chi,RUAN Qiu-qi.Parameter Selection for SVM Based on Discrete PSO[J].,2007,(12):20-23.
点击复制

基于离散微粒群优化算法的SVM参数选择()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2007年12期
页码:
20-23
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Parameter Selection for SVM Based on Discrete PSO
文章编号:
1673-629X（2007）12-0020-04
作者:
马驰 阮秋琦
北京交通大学计算机学院信息所
Author(s):
MA Chi;  RUAN Qiu-qi
Information Institute of Sciences, School of Computer, Beijing J iaotong University
关键词:
支持向量机; 离子群优化算法; 参数选择; 人脸识别
Keywords:
support vector machine;  discrete particle swarm optimization ;  parameter ; lection;  face recognition
分类号:
TP181
文献标志码:
A
摘要:
支持向量机（SVM）的学习性能和泛化能力主要取决于参数选择，然而传统的优化算法难以解决此问题。文中通过支持向量的个数建立优化目标函数，采用微粒群优化（PSO）算法对其优化，寻找最优参数。PSO是一种新兴的基于群体智慧的进化算法。实验表明，微粒群优化算法是支持向量机参数选择的有效方法
Abstract:
Support vector machine （SVM） has been proved a powerful technique for solving problems in pattern classification and regression, but its learning capacity and generalization capacity mainly depends on the parameters selection of it. Parameters selection for SVM is very complex in nature and quite hard to solve by conventional optimization techniques. So in this paper,a new methodology,based on PSO, for parameters selection of support vector machine is proposed. The simulation （face recognition） result assures the validity of the methodology on time compared with leave - one- out method

相似文献/References:

[1]李雷 张建民.一种改善的基于支持向量机的边缘检测算子[J].计算机技术与发展,2010,(03):125.
　LI Lei,ZHANG Jian-min.An Improved Edge Detector Using the Support Vector Machines[J].,2010,(12):125.
[2]陈俏 曹根牛 陈柳.支持向量机应用于大气污染物浓度预测[J].计算机技术与发展,2010,(01):247.
　CHEN Qiao,CAO Gen-niu,CHEN Liu.Application of Support Vector Machine to Atmospheric Pollution Prediction[J].,2010,(12):247.
[3]李晶 姚明海.基于支持向量机的语义图像分类研究[J].计算机技术与发展,2010,(02):75.
　LI Jing,YAO Ming-hai.Research of Semantic Image Classification Based on Support Vector Machine[J].,2010,(12):75.
[4]姜鹤 陈丽亚.SVM文本分类中一种新的特征提取方法[J].计算机技术与发展,2010,(03):17.
　JIANG He,CHEN Li-ya.A New Feature Selection Method in SVM Text Categorization[J].,2010,(12):17.
[5]曹庆璞 董淑福 罗赟骞.网络时延的混沌特性分析及预测[J].计算机技术与发展,2010,(04):43.
　CAO Qing-pu,DONG Shu-fu,LUO Yun-qian.Chaotic Analysis and Prediction of Internet Time- Delay[J].,2010,(12):43.
[6]路川 胡欣杰.区域航空市场航线客流量预测研究[J].计算机技术与发展,2010,(04):84.
　LU Chuan,HU Xin-jie.Analysis of Regional Airline Passenger Forecast Title[J].,2010,(12):84.
[7]黄炜 黄志华.一种基于遗传算法和SVM的特征选择[J].计算机技术与发展,2010,(06):21.
　HUANG Wei,HUANG Zhi-hua.Feature Selection Based on Genetic Algorithm and SVM[J].,2010,(12):21.
[8]孙秋凤.microRNA计算识别中的模式识别技术[J].计算机技术与发展,2010,(06):97.
　SUN Qiu-feng.Pattern Recognition Technology for MicroRNA Identification[J].,2010,(12):97.
[9]刘振岩 王勇 陈立平 马俊杰 陈天恩.基于SVM的农业智能决策Web服务的研究与实现[J].计算机技术与发展,2010,(06):213.
　LIU Zhen-yan,WANG Yong,CHEN Li-ping,et al.Research and Implementation of Intelligence Decision Web Services Based on SVM for Digital Agriculture[J].,2010,(12):213.
[10]王李冬.一种新的人脸识别算法[J].计算机技术与发展,2009,(05):147.
　WANG Li-dong.A New Algorithm of Face Recognition[J].,2009,(12):147.

备注/Memo

备注/Memo:
国家自然科学基金资助项目（60472033;60472062）马驰（1982-），男，山西太原人，硕士研究生，研究方向为模式识别与智能系统；阮秋琦，教授，博士生导师，研究方向为图像处理、计算机视觉多媒体信息处理、虚拟现实、CSCW
更新日期/Last Update: 1900-01-01