文献类型：期刊文章

作　　者：王克奇[1] 杨少春[1] 戴天虹[1] 白雪冰[1]

机构地区：[1]东北林业大学机电工程学院,黑龙江哈尔滨150040

出　　处：《计算机应用与软件》

基　　金：黑龙江省自然科学基金项目(C2004-03)

年　　份：2009

卷　　号：26

期　　号：7

起止页码：109-111

语　　种：中文

收录情况：CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、IC、JST、ZGKJHX、普通刊

摘　　要：支持向量机是建立在统计学习理论上的一种学习算法,较好地解决了小样本学习问题。由不同的参数和核函数构造的支持向量机在性能上存在很大差异,而在参数和核函数的选择上目前还没有明确的理论依据。针对支持向量机的参数选择问题,提出了一种采用遗传算法优化最小二乘支持向量机参数的方法。结合LS-SVM lab工具箱,在MATLAB实验平台的仿真实验表明,该方法提高了支持向量机的参数选择效率,得到的参数对测试样本的分类结果是最优的,从而避免了人为设定参数的不足,同时缩短了优化时间。

关 键 词：最小二乘支持向量机 遗传算法 参数选择 LS-SVMlab工具箱  

分 类 号：TP274] O242.23]