支持向量机算法及其金融应用 支持向量机算法是一种常见的什么算法

昭棠笔记 2023-01-26

竖笛指法-midi格式音乐下载

2022年5月1日发

(作者:评书杨家将全集)

第45卷第6期

2018年6月

COMPUTER

计算机科学

SCIENCE

V01.45No.6

June2018

基于粒子算法的支持向量机的参数优化

陈晋音熊晖郑海斌

(浙江工业大学信息工程学院

摘要支持向量机(SupportVector

杭州310000)

Machine,SVM)对内部参数有着极高的依赖性,因此参数的好坏直接决定了

SVM的分类效果什么是整合营销,比如径向基核函数的参数郑州seo。为了寻出与分类问题相契合的参数,将样本数据投影到高维度特征

空间,从而在特征空间中计算类内平均距离与类外中心距离之差,并将其作为参数评估的适应值;利用粒子算法的

全局寻优能力,在定义域内生成种以代表不同的参数取值;利用粒子的随机游走来进行更优参数搜索google关键词排名,并将结果代

入SVM进行样本训练足彩优化。将所提算法与网格算法等进行了比较,结果表明所提算法的参数设定更加准确西安seo,分类准确率

有显著提高百度凤巢系统,且算法复杂度并没有明显增加成都网站优化多少钱。

关键词支持向量机,粒子优化算法百度指数创建,智能,参数优化,演化算法

中图法分类号TP3~05文献标识码ADOI10.11896/j.issn.1002—137X2018.06.035

Parameters

Optimization

forSVMBased

CHENJin-yinXIONG

Hui

onParticleSwarm

Algorithm

ZHENGHal—bin

(College

ofInformation

Engineering,ZhejiangUniversity

of

Technology新闻稿撰写,Hangzhou

310000www alipay com,China)

Abstract

Supportvectormachine

has

highdependence

for

Hyper-parameters网站销售技巧,SOparametersetting

determinestheclas—

assification

ofSVMsuchthe

parameters

ofRBFkernelfunction.Inorder

set

tOselect

properparameterscorrespondingtO

theclassificationproblem,thedatais

mappedtothe

high-dimensional

feature

space

tocalculate

average

distancebe—

astweenclassesandthedistancebetweentwocenters.Thedifferencebetweenresults

iStakenthefitnessvalueof

pa—

rameter

assessment.Throughglobaloptimizationability

of

particle

swalTn

algorithm,populationrepresenting

different

parametersaregenerated

inthedefineddomain.The

optimalparameter

searchis

performedby

randomwalkof

parti—

arecles。andtheresultstakenintoSVMfor

training.Compared

with

gridalgorithm,theparameterssetting

Ofthe

pro—

posedalgorithmis

moreaccurate免费网站诊断,the

classification

accuracy

is

significantlyimprovedseo 优化,and

the

complexity

ofthe

algo—

rithmdoesn’tincrease.

Support

vectormachine网站怎么优化,ParticleswarlTI

optimizationalgorithm,Swarmintelligent网络舆情监测报告,Parameteroptimization网站服务公司,

Keywords

Evolutionaryalgorithm

tialMinimal

1引言

当今,互联网和移动设备不断普及seo数据监控,大数据时代随之到

Optimization,SMO),成功求解了大规模样本的

SVM模型训练问题深圳百度推广,极大地降低了计算的复杂度。

SVM虽然拥有诸多优点,但在处理多噪点、大样本容量

等分类问题时存在不足。当训练样本数为N时,支持向量机

的时间复杂度接近o(N2)。另外,SVM在选取参数时具有

高度依赖性好搜排名优化软件,对核函数的选取和惩罚因子的设定都有着极高

的要求;同时,针对不同的数据集,需要设定不同的参数来契

合数据集。

Huang等人利用遗传算法对SVM参数进行优化,并基

于率和权重惩罚因子提出了一种新的适应值评估函

数凹]baidu 百度。Friedrichs等人提出利用固定步长来进行网格搜索搜索引擎制作,从

而寻合适的参数伪原创工具,但这仅仅适用于参数较少的情况郑州网站建设公司,实际运

用过程中存在计算复杂、耗时长等问题[9j。Pan等人[1叫在遗

传算法的基础上对训练样本的特征进行了加权整合营销方案,并将网格算

来,这对人类生活和社会发展产生了重大影响广西网站建设。与此同时,针

对大数据的各种数据挖掘算法也在蓬勃发展,如人工神经网

络[1I、支持向量机嗍等。其中网盘外链,支持向量机通过更大化数据集

在特征空间上的间隔,将二分类问题转化为一个凸二次规划

问题进行求解。相比于其他传统算法,支持向量机不再是最

小化经验风险,而是最小化置信范围,因此在处理小样本问题

时也拥有较好的分类效果医疗软文。支持向量机在处理高维数据时拥

有精度高、学习能力强等优势搜索引擎原理,因此被广泛应用于文本分类[3]、

手写字特征识别‘“、图像分类‘…、生物序列分析[6]等领域黑链购买。

支持向量机(SVM)最早由Vapnik等人于1995年提

出[2|关键字分析。之后,Platt等人[73引入了序贯最小优化算法(Sequen—

到稿日期:2017—04—03返修日期:2017—06—11本文受自然科学青年基金(61502423)重庆搜索引擎优化,浙江省科技厅科研院专项(2016F50047)资助湖南百度。

陈皿音(1982一),女,副教授上海优化公司,主要研究方向为数据挖掘、智能计算等,E-mail:chenjinyin@zjut.edu.cn(通信作者);熊1牟(1995一)搜索引擎优化指南,男搜索引擎快速优化,主要

研究方向为数据挖掘及其应用;郑海斌(1995一)常德网络公司,男,硕士生,主要研究方向为大数据分析、机器学习等seo关键词优化外包。

万方数据

志明求婚歌-谭咏麟 爱的根源