基于差分搜索算法的模糊广义特征值近端支持向量机参数优化-研究论文

Support Vector Machines

支持向量机 (SVM) 是许多分类问题的有效模型。然而，SVM 需要二次规划的解决方案，需要专门的代码。此外，SVM 有很多参数，影响了 SVM 分类器的性能。最近，提出了广义特征值近端 SVM（GEPSVM）来解决 SVM 的复杂性。在现实世界的应用程序中，数据可能会受到错误或噪声的影响，处理这些数据是一个具有挑战性的问题。在本文中，已经提出了一种方法来克服这个问题。这种方法称为 DSA-GEPSVM。主要改进基于以下几点：1）线性情况下的新模糊值。 2) 非线性情况下的新核函数。 3) 差分搜索算法 (DSA) 被重新制定以找到 GEPSVM 参数及其内核参数的接近最优值。实验结果表明，所提出的方法能够找到合适的参数值，并且与其他一些算法相比具有更高的分类精度。

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

基于差分搜索算法的模糊广义特征值近端支持向量机参数优化-研究论文

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载