基于Fisher准则的SVM参数选择算法

作者：刘飚 陈春萍 封化民 李洋核函数支持向量机fisher准则梯度下降算法

摘要：支持向量机（support vector machine，SVM）分类性能主要受到SVM模型选择（包括核函数的选择和参数的选取）的影响，目前SVM模型参数选择的方法并不能较好地确定模型参数。为此基于Fisher准则提出了SVM参数选择算法。该算法利用样本在特征空间中的类别间的线性可分离性，结合梯度下降算法进行参数寻优，并基于Matlab实现选择算法。实验结果表明参数选择算法既提高了SVM训练性能，又大大减少了训练时间。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社