APP下载

支持向量机参数优化研究

2017-02-25湖北工业大学杨小钦

湖北农机化 2017年5期
关键词:分类优化方法

湖北工业大学 杨小钦

支持向量机参数优化研究

湖北工业大学 杨小钦

基于统计学习理论的支持向量机作为数据挖掘中的新技术,开发了一个极好的机器学习方法。它被认为是机器学习领域非常受欢迎的和成功的例子。支持向量机应用到实际问题时,首先面临的模型参数,包括支持向量机和核参数的选择。参数的选择直接决定了训练支持向量机的效率和效果,如何选择参数是支持向量机的主要问题。本文介绍的支持向量机参数优化和粒子群优化算法的关键知识,支持向量机的性能是很大程度上取决于参数设置,包括的惩罚参数和核函数参数,如何选择支持向量机的关键参数问题。

向量机参数;优化;研究

21世纪是一个“信息爆炸”,大量的信息和数据的增长,机器学习困难急剧增加的时代。机器学习(学习机,ML)是人工智能(人工智能,AI)最聪明的功能,最尖端的研究领域之一。是机器学习的主要障碍和人工智能研究的发展方向之一。包括计算的理论学习和学习系统的建设。AI系统有没有或只有非常有限的学习能力。在进入系统手工编程系统的知识,知识的错误不能自动得到纠正。换句话说,大多数现有的人工智能,演绎,归纳推理,因此不能自动获取和创造知识。未来的计算机将自动获得直接从书本学习,通过与人交谈,学习,通过观察学习知识的能力。自我完善,通过实践来克服人们更少的存储效率低,注意力分散,这是很难传输所获得的知识,和其他限制。……

登录APP查看全文

猜你喜欢

分类优化方法
超限高层建筑结构设计与优化思考
民用建筑防烟排烟设计优化探讨
关于优化消防安全告知承诺的一些思考
分类算一算
一道优化题的几何解法
教你一招:数的分类
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼