基于遗传算法与经验误差最小化的SVM模型选择方法.pdf

基于遗传算法与经验误差最小化的SVM模型选择方法周欣,许建华(南京师范大学计算机科学与技术学院,江苏南京210097)[摘要]支持向量机(SVM)的推广能力依赖于核函数形式及核参数和惩罚因子的选取,,,且具有良好的推广性能.[关键词]支持向量机,核函数,核参数,经验误差,遗传算法[中图分类号]TP18[文献标识码]A[文章编号]1672-1292(2009)02-0065-icAlgorithmsandEmpiricalErrorMinimizationZhouXin,XuJianhua(puterSciences,NanjingNormalUniversity,Nanjing210097,China)Abstract:Thespreadingcapacityofsupportvectormachine(SVM)dependslargelyontheselectionofkernelfunctionanditsparameters,andpenaltyfactor,'influenceontheclassif-iers'uracy,,:supportvectormachine,kernelfunction,kernelparameter,empiricalerror,icalgorithm收稿日期:2008-08-:国家自然科学基金(60875001):许建华,教授,研究方向:模式识别、机器学习、-mai:******@(SupportVectorMachine,SVM)是Vapnik等学者在1974年首先提出来的,经过上世纪90年代众多学者的研究与发展,,(如惩罚因子C和RBF宽度H),使得期望的测试误差最小,,-,然后在参数集上,多次重复分类器的设计与测试,遍历地搜索出最优参数,?tsch[1]等人依据5-折叠交叉验证法,,所以通常采用一些留一法误差上界作为模型选择的目标函数,如半径间隔界、张成界(spanbound)[2]等人用梯度下降法最小化半径间隔界