有关支持向量机参数选择方法分析.pdfVIP

! ##$ 年% 月 重庆师范大学学报（自然科学版） ’() ##$ 第% 卷 第 期 *+,(-./ +0 12+-345-3 6+(7./ 8-59:(;5=（6.,(./ ?5:-?: @A55+- ） B+/) % 6+) 关于支持向量机参数选择方法分析! 王! 睿 （重庆师范大学 数学与计算机科学学院 ，重庆%###%$ ） 摘! 要：在分析支持向量机（BC ）原理基础上，分析了BC 中核函数、核参数及惩罚参数 ! 的影响。介绍了两种 BC 参数选择方法，作了深入比较，并提出了一种改进的最优化方法。 关键词：支持向量机；参数选择 中图分类号： DEFGH 文献标识码：! ! ! 文章编号：FI$J IIKH（##$ ）#J ##HIJ #H !#$% ’()*+ ’,%-# .-//%0# 12#%0 !)2$3(L4 5)0)6#0 #$%! ’( （1+//:3: +0 C.2:7.5?; .-A 1+7’,:( ?5:-?: ，12+-345-3 6+(7./ 8-59:(;5= ，12+-345-3 %###%$ ，125-. ） ’,4#0)2# ：M- 2: 0+,-A.5+- +0 ;,’’+( 9:?+( 7.?25-: （BC ）’(5-?5’/: 5- 2: .-./=;5; ，5 .-./=N:; O:(-:/ 0,-?5+- .7+-3 2: BC ，O:(-:/ ’.(.7::( .-A 2: 5-0/,:-?: +0 ’:-./= ’.(.7::( !) P 5-(+A,?:; Q+ O5-A; +0 BCL; ’.(.7::( ;:/:?5+- 7:2+A; ，.-A ?+7’.(:; 2:7 A::’/=) P ’(+95A:; . 7:2+A Q25?2 Q+(O; .; ’:(0:? .; ’+;;5R/:) 7+8%0 ：;,’’+( 9:?+( 7.?25-: ；2: ’.(.7::( ;:/:?:A ! ! # 世纪$# 年代，B) B.’-5O 等人提出的统计学 而来的，基本思想可用图/ 的两维情况说明。图中， / 为分类线，/F、/ 习理论是专门研究有限样本下机器学习规律的理 圆点和方点分别代表两类样本， 论。它指出学习机器的期望风险 （）和经验风险 分别为各类中离分类线最近的样本且平行于分类线 ! )*+ （）的关系为 （） )*+ （）S （,- . ），其 的直线，它们之间的距离叫做分类间隔。所谓最优 ! ! ! 中 是学习机器的广义参数，, 是反映学习机器 分类线就是要求分类线不但能将两类样本正确分开 ! #$ （训练错误率为 ［ ］ 学习能力（复杂度）的参数，称为B1 维，. 表示训练 # ），而且使分类间隔最大 。 样本的个数，（,- . ）被称为置信范围，它随, 的增 设有. 个样本0 及其所属类别1 ，表示为 ( (