支持向量机径向基核参数优化研究被引量：8

下载PDF

导出

摘要支持向量机在机器学习中表现良好。基于径向基(RBF)核的支持向量机的分类和回归性能受其核参数的影响。为了获得最优的分类和回归预测结果,选择合适的核参数设置对提高分类和回归预测的准确度非常重要。本文使用网格搜索算法、遗传算法、粒子群优化算法分别进行径向基(RBF)核参数寻优。对比实验表明,网格搜索算法具有一定优势。

作者刘路民根

机构地区武汉工程大学电气信息学院

出处《科学技术创新》 2018年第26期48-49,共2页 Scientific and Technological Innovation

关键词支持向量机核函数参数优化分类回归

分类号 TP301.6 [自动化与计算机技术—计算机系统结构] O231.4 [理学—运筹学与控制论]

引文网络
相关文献

参考文献4

1丁世飞,齐丙娟,谭红艳.支持向量机理论与算法研究综述[J].电子科技大学学报,2011,40(1):2-10. 被引量：919
2奉国和.SVM分类核函数及参数选择比较[J].计算机工程与应用,2011,47(3):123-124. 被引量：276
3刘鲭洁,陈桂明,刘小方,杨庆.基于遗传算法的SVM参数组合优化[J].计算机应用与软件,2012,29(4):94-96. 被引量：47
4王东风,孟丽.粒子群优化算法的性能分析和参数选择[J].自动化学报,2016,42(10):1552-1561. 被引量：118

二级参考文献51

1李道国,苗夺谦,张东星,张红云.粒度计算研究综述[J].计算机科学,2005,32(9):1-12. 被引量：54
2孔锐,张冰.一种快速支持向量机增量学习算法[J].控制与决策,2005,20(10):1129-1132. 被引量：31
3李颖新,阮晓钢.基于支持向量机的肿瘤分类特征基因选取[J].计算机研究与发展,2005,42(10):1796-1801. 被引量：51
4李东晖,杜树新,吴铁军.基于壳向量的线性支持向量机快速增量学习算法[J].浙江大学学报（工学版）,2006,40(2):202-206. 被引量：16
5林开标,王周敬.基于支持向量机的传真收件人识别方法[J].计算机工程与应用,2006,42(7):156-158. 被引量：3
6奉国和,朱思铭.基于聚类的大样本支持向量机研究[J].计算机科学,2006,33(4):145-147. 被引量：14
7孔波,刘小茂,张钧.基于中心距离比值的增量支持向量机[J].计算机应用,2006,26(6):1434-1436. 被引量：16
8张翔,肖小玲,徐光祐.模糊支持向量机中隶属度的确定与分析[J].中国图象图形学报,2006,11(8):1188-1192. 被引量：38
9延丽平,曾建潮.具有自适应随机惯性权重的PSO算法[J].计算机工程与设计,2006,27(24):4677-4679. 被引量：13
10程伟,石扬,张燕平.粒度计算的三种主要方法[J].计算机技术与发展,2007,17(3):91-94. 被引量：7

共引文献1329

1熊景华,茹璟.基于随机森林算法和模糊信息粒化的汇率预测组合模型研究[J].数量经济技术经济研究,2021,38(1):135-156. 被引量：14
2康琛笠,刘西青.基于PSO-SVM的矿用干式变压器局部放电模式识别[J].计算机产品与流通,2020,9(8):138-138. 被引量：1
3蒋月,Shaker ul Din,刘勇,张寅丹,刘巨峰,陆海霞.一种集成多分类器的面向地理对象遥感影像变化回溯分析方法[J].兰州大学学报（自然科学版）,2020(5):666-676. 被引量：1
4丁晓欣,刘凯.基于软间隔支持向量机的装配式建筑构件质量控制研究[J].建筑经济,2020(S02):62-67. 被引量：5
5刘海鹏,方奇文,王蒙,何艳苹,念紫帅,刘晓茜.改进ODPSO算法在光伏MPPT中的应用研究[J].控制工程,2023,30(7):1357-1367. 被引量：5
6王云锋,刘丹,裴作飞,姚丽霜.基于改进引力搜索算法的SVM的参数优化及应用[J].计算机应用研究,2020,37(S01):152-154. 被引量：7
7毛志勇,崔鹏杰,黄春娟,韩榕月.KPCA-CS-SVM下的矿井突水水源判别模型[J].辽宁工程技术大学学报（自然科学版）,2021(2):104-111. 被引量：4
8刘琼,张豹.基于GBDT算法的锂电池剩余使用寿命预测[J].电子测量与仪器学报,2022,36(10):166-172. 被引量：7
9王成,王朝立,赵忆文.基于改进粒子群优化的乒乓球发球机械手轨迹规划[J].智能计算机与应用,2022,12(4):1-9. 被引量：5
10严雨灵,陈闵叶,吕亚辉.基于Leap Motion的三维动态手势识别研究[J].智能计算机与应用,2020,0(1):271-273.

同被引文献94

1李佳,马光文,杨忠伟,贺玉彬,陶春华.基于粒子群最小二乘支持向量机的径流预测[J].人民长江,2012,43(S2):60-62. 被引量：3
2王兴玲,李占斌.基于网格搜索的支持向量机核函数参数的确定[J].中国海洋大学学报（自然科学版）,2005,35(5):859-862. 被引量：127
3王睿.关于支持向量机参数选择方法分析[J].重庆师范大学学报（自然科学版）,2007,24(2):36-38. 被引量：39
4韩萌,丁剑.基于交叉验证的BP算法的改进与实现[J].计算机工程与设计,2008,29(14):3738-3739. 被引量：28
5徐乃忠,戴华阳.厚松散层条件下开采沉陷规律及控制研究现状[J].煤矿安全,2008,39(11):53-55. 被引量：27
6张绪进,母德伟,韩涛.改进的灰色预测模型在过坝货运量预测中的应用[J].水运工程,2009(6):4-7. 被引量：6
7马文涛.基于灰色最小二乘支持向量机的边坡位移预测[J].岩土力学,2010,31(5):1670-1674. 被引量：26
8李潇.灰色最小二乘支持向量机在滑坡变形预测中的应用[J].测绘通报,2010(6):44-46. 被引量：12
9张萌,方亮.滑坡预测预报研究发展综述[J].科技信息,2010(17). 被引量：2
10梁强,吴柳燕,聂伟.基于SVM和概率统计的文本分类方法研究[J].柳州职业技术学院学报,2010,10(2):109-113. 被引量：1

引证文献8

1韩磊,何超,黄洁,杨显华,田立.基于GF-2卫星数据的矿山开发信息自动提取[J].四川地质学报,2018,38(4):689-693. 被引量：2
2奚杏杏,刘宇红,张荣芬.基于网格搜索与交叉验证的SVR血压预测[J].计算机与现代化,2020,0(3):44-48. 被引量：6
3袁乾博,肖诗荣,李春霞,夏宇,王涛.基于GLSSVM模型的三门洞滑坡变形预测研究[J].人民长江,2020,51(7):130-135. 被引量：4
4周阳,张盼,郝丽萍,李鑫杰,李春广.基于回归型支持向量机的土壤地力与农作物病害之间的关系初探[J].中国植保导刊,2021,41(5):17-22. 被引量：1
5秦圻,周兆欣,韩洋,王士鹏,马续仕.改进粒子群算法支持向量机的烟台港货物吞吐量预测[J].现代信息科技,2022,6(3):133-136.
6段婉亭,徐懿,苏蕊,李春岩,杨舒涵.残缺藏文识别与补全系统[J].电脑编程技巧与维护,2023(5):116-118.
7惠姣姣,曹红宝.基于机器学习分类算法的玻璃文物鉴定[J].现代信息科技,2023,7(13):101-104. 被引量：1
8贺国伟,郭剑.基于SVM黄土矿区最大下沉预计研究[J].矿山测量,2019,47(1):10-13. 被引量：4

二级引证文献18

1邓夷明,曾雪松,张东明,王柳藜,杨仲国,李元彪,彭海艳.InSAR技术在复杂机场选址勘测中的应用[J].四川地质学报,2024,44(S01):132-136.
2贺国伟,郭剑.黄土山区叠加工作面开采地表移动变形规律[J].山西建筑,2020,46(5):73-75.
3张凯选,李修会,余卓渊.基于影像特征随机森林的自然保护区矿区动态监测[J].有色金属（矿山部分）,2021,73(3):147-154.
4张峰,题正义,秦洪岩,王凯,蔡永乐,李佳臻.基于覆岩剩余自由空间高度的地表最大下沉值确定方法[J].煤矿安全,2021,52(4):226-230. 被引量：1
5耿海深,吕文斌,栗燊,蒋国良.滑坡失稳机理分析及预警预测研究[J].西北师范大学学报（自然科学版）,2021,57(6):103-109. 被引量：8
6彭亮,田浩,白刚刚,霍宇翔.基于优化组合预测模型的滑坡发展趋势评价[J].广西大学学报（自然科学版）,2021,46(5):1228-1235. 被引量：2
7郭恒,张军,刘安伟.基于SVM的遥感影像监督分类方法研究——以天水市三阳川地区为例[J].甘肃科技纵横,2022,51(1):52-55. 被引量：1
8杨玉龙,宋选民.磁窑沟煤矿黄土沟壑地貌开采沉陷规律研究[J].山西煤炭,2022,42(2):15-23. 被引量：3
9朱春.基于改进Logistic回归算法的运动员强度训练关节损伤预测方法[J].河北北方学院学报（自然科学版）,2022,38(7):13-18. 被引量：1
10张杨航,吕锋,李锋军,张雷雷,苏建新.基于网格搜索与交叉验证的SVR大型拖拉机销量预测[J].农业科技与装备,2022(5):34-37. 被引量：3

1温博文,董文瀚,解武杰,马骏.基于改进网格搜索算法的随机森林参数优化[J].计算机工程与应用,2018,54(10):154-157. 被引量：88
2杨洁,陈灵娜,陈宇韶,林颖,何啸峰.基于深度学习的医学目标检测与识别[J].信息技术,2018,42(10):81-87. 被引量：7
3易甜,张刚,张天骐,曹莉.二阶随机共振系统的冲击信号检测[J].西安交通大学学报,2018,52(6):106-113. 被引量：5
4王昕,李亮,尹小童,李梦烁,曾朝伟,艾勇鑫.甲状腺结节超声图像多特征融合及识别[J].吉林大学学报（信息科学版）,2017,35(6):650-655. 被引量：3
5范支菊,张公敬,杨嘉东.基于密度裁剪的SVM分类算法[J].青岛大学学报（自然科学版）,2018,31(3):46-51. 被引量：2
6叶炼炼.基于云模型BBO算法优化KELM的网络入侵检测[J].山东农业大学学报（自然科学版）,2018,49(5):862-866. 被引量：2
7朱安安.基于过采样SVM的不平衡数据信用评价模型[J].软件导刊,2018,17(10):64-67. 被引量：8
8皮骏,马圣,贺嘉诚,孔庆国,马龙.遗传算法优化的SVM在航空发动机磨损故障诊断中的应用[J].润滑与密封,2018,43(10):89-97. 被引量：25
9张凌,罗曼曼,朱礼军,罗鹏程.基于微博内容分析的共享单车问题及对策研究[J].情报工程,2018,4(3):105-112. 被引量：1
10王海燕,桂冬冬,沙敏,王彦波,程永波,张正勇.拉曼光谱结合模式识别算法用以牛奶制品智能判别与参数优化[J].中国奶牛,2018(2):55-60. 被引量：2

科学技术创新

2018年第26期

浏览历史

内容加载中请稍等...

支持向量机径向基核参数优化研究被引量：8

参考文献4

二级参考文献51

共引文献1329

同被引文献94

引证文献8

二级引证文献18

相关作者

相关机构

相关主题

浏览历史

支持向量机径向基核参数优化研究 被引量：8

参考文献4

二级参考文献51

共引文献1329

同被引文献94

引证文献8

二级引证文献18

相关作者

相关机构

相关主题

浏览历史

支持向量机径向基核参数优化研究被引量：8