基于改进网格搜索法的SVM参数优化
来源期刊：江西理工大学学报2019年第1期
论文作者：刘小生 章治邦
文章页码：5 - 9
关键词：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.
刘小生，章治邦
江西理工大学建筑与测绘工程学院
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.
关键词：支持向量机;参数优化;网格搜索法;
