换一批摘要寻找支持向量机（SVM）的最优参数是支持向量机研究领域的热点之一。2范数软间隔SVM（L2-SVM）将样本转化成线性可分，在原始单正则化参数L2-SVM的基础上，提出双正则化参数的L2-SVM，获得它的对偶形式，从而确定了最优化的目标函数。然后结合梯度法，提出了一种新的支持向量机参数选择的新方法（Doupenalty-Gradient）。实验使用了10个基准数据集，结果表明，Doupenalty-Gradient方法是可行且有效的。对于实验所用的样本，极大地改善了分类精度。
更多相关知识
关键词
统计学习理论支持向量机VC维参数选择statistical learning theorysupport vector machinesVC dimensionparameter selection
分类号
TP181
栏目名称
DOI
10.3778/j.issn.1002-8331.1307-0326
发布时间
2014-04-29（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
