林沂蒙
- 作品数：3 被引量：15H指数：2
- 供职机构：哈尔滨工业大学深圳研究生院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 通过全局核降低高斯核的局部风险与基于遗传算法的两阶段模型选择被引量：2
- 2007年
- 支持向量分类时,由于样本分布的不均匀性,单宽度的高斯核会在空间的稠密区域产生过学习现象,在稀疏区域产生欠学习现象,即存在局部风险.针对于此,构造了一个全局性次核来降低高斯核产生的局部风险.形成的混合核称为主次核.利用幂级数构造性地给出并证明了主次核的正定性条件,进一步提出了基于遗传算法的两阶段模型选择算法来优化主次核的参数.实验验证了主次核和模型选择算法的优越性.
- 常群王晓龙林沂蒙Daniel S.Yeung陈清才
- 关键词：支持向量机高斯核
- 支持向量机的模型选择研究
- 支持向量分类中,高斯核不区分样本中各个特征的重要性.显然,各个特征对分类的贡献一般是不相同的,为了体现这种差别从而提高支持向量机的泛化能力,文中提出了多宽度高斯核的概念.多宽度高斯核增加了支持向量机的超级参数,针对这一情...
- 林沂蒙
- 关键词：支持向量机遗传算法
- 文献传递
- 支持向量分类和多宽度高斯核被引量：14
- 2007年
- 支持向量分类中,高斯核不区分样本中各个特征的重要性,显然各个特征对分类的贡献一般是不相同的.为了体现这种差别从而提高支持向量机的泛化性能,文中提出了多宽度高斯核的概念.多宽度高斯核增加了支持向量机的超级参数,进一步地,文中提出了多参数模型选择算法.算法利用误差界自动实现模型选择.通过实验验证了多宽度高斯核和多参数模型选择算法的有效性.
- 常群王晓龙林沂蒙王熙照Daniel S.Yeung
- 关键词：支持向量机误差界
