摘要
本文给出一种支持向量机中的参数优化选取方法.它是通过遗传算法和确定性算法相结合解平衡约束优化问题,求出二分类支持向量机(SVM)中的正则参数C,本文将C作为优化问题中的变量来处理.遗传算法用来求解以C为变量的优化问题,而确定性算法对每一个C值求解约束.数值计算的结果表明,用文中所述的方法求得的C值能明显提高支持向量机的泛化性能.
A method for selecting an optimal cost parameter C in support vector machine(SVM) is presented.This parameter is obtained by solving a mathematical program with equilibrium constraints(MPEC) via combining genetic algorithm and deterministic algorithm,but C is treated as a variable of optimization problem in this paper.Genetic algorithm is used to solve the optimization problem with respect to C,and deterministic algorithm is used to obtain the constraints of problem.Numerical results show that the generalization performance of the support vector machine can be improved clearly by the proposed method in this paper.
出处
《运筹与管理》
CSCD
2007年第3期61-65,共5页
Operations Research and Management Science
基金
国家自然科学基金资助项目(10471015)
关键词
支持向量机
正则参数
遗传算法
平衡约束规划
support vector machine
cost parameter
genetic algorithm
MPEC problem
作者简介
董玉林(1968-),男,山东济宁人,博士研究生,研究方向:数据挖掘与机器学习;
夏尊铨(1937-),男,教授,博士生导师,主要从事非光滑分析与优化、数据挖掘、金融优化与算法等.
