特征选择和SVM训练模型的联合优化

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：提出了特征选择和支持向量机(SVM)训练模型的联合优化方法，利用特征选择和训练模型的互相依赖关系来提高SVM性能。该方法包括3个关键技术：优化目标是提高SVM性能，它是由ξα—estimate方法计算出来的；用一个二进制向量表示特征选择，用混合核函数和折中控制参数来表示训练模型；用演化算法来求解联合优化问题。通过使用入侵检测标准数据，比较了联合优化、单独优化和分开优化方法以及遗传算法(GA)和粒子群优化算法(PSO)的使用效果。结果表明：联合优化方法能更好地提高SVM性能，并且收敛速度更快；GA的效果比PSO要好。http://www.cqvip.com//QK/93884X/200401/9111008.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：特征选择 SVM estimate cqvip 支持向量机 特征选择 支持向量机 人工神经网络 混合核函数 遗传算法