帮助关于我们

返回检索结果

支持向量机回归的参数选择方法
Parameters Selection Method for Support Vector Machine Regression

查看参考文献6篇

闫国华朱永生

文摘	综合4种支持向量机回归的参数选择方法的优点,提出一种对训练样本进行分析并直接确定参数的方法.在标准测试数据集上的试验证明,该方法与传统网格搜索法相比,在时间和预测精度方面取得了更好的结果,可以较好地解决支持向量机在实际应用中参数难以选择、消耗时间长的问题.
其他语种文摘	By combining several parameters selection approaches of Support Vector Machine(SVM), this paper proposes a method that defines parameters directly by analyzing training samples. Experimental results based on several standard test data sets show that the method achieves better prediction accuracy and consumes less time compared to traditional grid search methods. It provides one way to deal with the problem of selecting parameters and time consuming in application of SVM.
来源	计算机工程 ,2009,35(14):218-220 【核心库】
关键词	支持向量机 ; 回归 ; 参数选择
地址	西安交通大学,机械工程学院, 陕西, 西安, 710049
语种	中文
文献类型	研究性论文
ISSN	1000-3428
学科	自动化技术、计算机技术
基金	国家自然科学基金 ; 国家863计划
文献收藏号	CSCD:3599946

参考文献共 6 共1页

	1. 李国正. 支持向量机导论,2004	被引 38 次
	2. Vladimir C. Practical Selection of SVM Parameters and Noise Estimation for SVM Regression. NEURAL NETWORKS,2004,17(1):113-126	被引 207 次
	3. Cristianini N. On Kernel Target Alignment. Proc.of Neural Information Processing Systems,2002	被引 1 次
	4. Kandola J. On the Extensions of Kernel Alignment. http://www.neurocolt.org,2008	被引 1 次
	5. Sathiya S. Asymptotic Behavior of Support Vector Machines with Gaussian Kernel. Neural Computation,2003,15(7):1667-1689	被引 2 次
	6. 刘靖旭. 支持向量回归参数调整的一种启发式算法. http://d.wanfangdata.com.cn/Periodical_ xtfzxb200707033.aspx,2008	被引 1 次

引证文献 26 篇

1 罗林开给定经验风险水平的支持向量回归机华中科技大学学报. 自然科学版,2010,38(10):47-51
被引 1 次

2 成鹏 SVR参数对非线性函数拟合的影响计算机工程,2011,37(3):189-191,194
被引 6 次

显示所有26篇文献

论文科学数据集

PlumX Metrics

相关文献
作者相关关键词相关参考文献相关

版权所有 ©2008 中国科学院文献情报中心制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号