王加朋 胡跃明 罗家祥

(华南理工大学 自动化科学与工程学院, 广东 广州 510640)

一种基于ICDF的支持向量机参数快速优化方法*

王加朋 胡跃明 罗家祥†

(华南理工大学 自动化科学与工程学院, 广东 广州 510640)

在高斯核支持向量机 (SVM) 的参数优化中, 针对以特征空间中的类间距离 (ICDF)为测度选择核参数时存在计算量大、耗时长的问题, 首先提出并证明了ICDF是高斯核参数的严格单峰正定函数, 然后根据该结论提出了改进黄金分割法(MGSA)来快速搜索核参数在候选集中的最佳值, 在此基础上提出一种基于MGSA和微分进化算法的SVM参数快速优化方法, 最后通过比较实验验证了所提方法的有效性和快速性.

支持向量机；类间距离；参数优化；核参数；改进黄金分割法

支持向量机[1](SVM)作为一种高效的分类技术已被广泛应用在图像分类[2]、生物医学[3]、文本分类[4]、故障诊断[5]、人脸表情识别[6]和电缆温度计算[7]等领域.SVM使用核函数在高维特征空间寻找分离超平面,无论核函数形式如何,核参数影响着SVM的分类性能[8- 9].文中关注应用广泛的高斯核SVM[10].文献[11]指出了高斯核参数γ能够测量数据在高维特征空间的分离性,以及惩罚因子C控制平衡SVM的误差项和泛化能力,因此选择最佳参数组合是建立高效分类性能SVM模型的重要保障.

学者们已研究了较多SVM的参数选择方法.网格搜索法(GS)是传统的直接方法[12],因其对所有离散划分参数组合的模型进行训练比较,该方法计算量大,且很难确定合适的步……