作者：刘小生; 章治邦支持向量机参数优化网格搜索法
摘要：支持向量机的学习和泛化能力很大程度上取决于其相关参数的选取.针对传统网格算法的不足,引入全局粒子群算法,利用其能够快速到达最优解附近的优势:先使用粒子群算法进行粗搜;再使用网格搜索法进行小步长的精细搜索得到最优解.实验结果表明:基于改进的网格搜索法SVM对比传统网格搜索法SVM,在预测精度和运算时间上都具有优势.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《江西理工大学学报》（CN：36-1289/TF）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《江西理工大学学报》办刊宗旨是：以马克思列宁主义、思想、邓小平理论和“三个代表”重要思想为指导，贯彻落实科学发展观，拥护并执行党和国家的路线、方针、政策，坚持“三个面向”和“双百”方针，广泛开展学术交流，活跃学术氛围，培养学术新人，为学校的教学、科研服务。
省级期刊
人气 239357 评论 36
人气 154627 评论 33
人气 152474 评论 53
人气 129440 评论 69
