[1]朱宁,冯志刚,王祁,等.基于小生境遗传算法的支持向量机分类器参数优化[J].南京理工大学学报(自然科学版),2009,(01):16-20.
 ZHU Ning,FENG Zhi-gang,WANG Qi.Parameter Optimization of Support Vector Machine for Classification Using Niche Genetic Algorithm[J].Journal of Nanjing University of Science and Technology,2009,(01):16-20.
点击复制

基于小生境遗传算法的支持向量机分类器参数优化
分享到:

《南京理工大学学报》(自然科学版)[ISSN:1005-9830/CN:32-1397/N]

卷:
期数:
2009年01期
页码:
16-20
栏目:
出版日期:
2009-02-28

文章信息/Info

Title:
Parameter Optimization of Support Vector Machine for Classification Using Niche Genetic Algorithm
作者:
朱宁;冯志刚;王祁;
哈尔滨工业大学自动化测试与控制系, 黑龙江哈尔滨150001
Author(s):
ZHU NingFENG Zhi-gangWANG Qi
Department of Automatic Measurement and Control,Harbin Institute of Technology,Harbin 150001,China
关键词:
参数优化 小生境遗传算法 支持向量机 分类器 共享函数
Keywords:
parameter optimization niche genetic algorithm support vector machine classification sharing functions
分类号:
TP18
摘要:
该文在建立支持向量机分类器分类性能评价函数基础上,分析了支持向量机参数对分类性能的影响,提出了一种基于共享函数小生境遗传算法的支持向量机分类器参数优化方法。该方法利用支持向量机分类性能评价函数评价支持向量机的分类性能,评价函数的倒数作为适应度值,每两个个体之间的海明距离作为共享函数,实现小生境遗传算法。将该文提出的方法应用于5个由Gunna Ratsch收集的标准模式库,实验结果表明由该方法所得参数确定的SVM分类器具有较高的识别率和较简单的结构。
Abstract:
On the basis of establishing the classification performance evaluation function for support vector machine(SVM),this paper analyzes the influence of SVM parameters on its classification performance,proposes a parameter optimization method of SVM for classification using sharing function based niche genetic algorithm(SNGA).In the SNGA approach,the classification performance evaluation function is used to evaluate the SVM generalization performance,the inverse of the classification performance evaluation function is used as the fittness value.The hamming distance between every two individuals is defined as the sharing function.The method is experimented with five benchmark repositories collected by Gunna Ratsch.The results demonstrate that the algorithm can get the SVM for classification with the best recognition accuracy and simple structure.

参考文献/References:

[ 1] Vapn ik V. The nature of statistics learn ing theo ry[M ].New York: SpringerVer lag, 1995.

[ 2] Vapn ik V. Statistical lea rning theory [M ]. New York:JohnW iley, 1998.
[ 3] 于德介, 陈森峰, 程军圣, 等. 一种基于经验模式分解与支持向量机的转子故障诊断方法[ J]. 中国电机工程学, 2006, 26( 16): 162- 167.
[ 4] 张晓煜, 普杰信, 黄心汉. 基于2DPCA 和支持向量机的人脸检测研究[ J] . 计算机工程与应用, 2006,2: 94- 197.
[ 5] 张琨, 曹宏鑫, 刘凤玉, 等. 一种基于SVM 的网络入侵检测模型[ J]. 南京理工大学学报(自然科学版),2007, 31( 4): 403- 408.
[ 6] 张琨, 曹宏鑫, 衷宜, 等. 网络入侵检测中一种新型SVM 特征加权分类方法[ J]. 南京理工大学学报( 自然科学版), 2008, 32( 2): 231- 236.
[ 7] W angW en jian, Xu Zongben, LuW e izhen, et a.l Determina tion o f the spread parame ter in theGaussian kernelfo r classification and regression [ J]. Neurocompu-ting, 2003, 55: 653- 663.
[ 8] Stae lin C. Paramete r selection for support vector machines[ DB /OL ]. http: / /www. hp.l hp. com / techreports/2002 /HPL-2002-354R1. htm .l 2008- 01- 06.
[ 9] 郭辉, 刘贺平, 王玲. 最小二乘支持向量机参数选择方法及其应用研究[ J]. 系统仿真学报, 2006, 18( 7): 2033- 2037.
[ 10] 宋乃华, 邢清华. 基于支持向量机的空中目标大类别分类[ J]. 系统工程与电子技术, 2006, 28( 8): 1279- 1281.
[ 11] Zhao Q, Pr incipe J C. Support vector m ach ines fo rSAR autom atic targ et recognition[ J]. IEEE Transactionson Aero space and E lectronic System s, 2001, 37( 2): 643- 654.
[ 12] Broom head D S, Low e D. Mu ltiva riab le functional interpola tion and adaptive netwo rks[ J]. Comp lex Systems, 1988, 2: 321- 355.
[ 13] 朱永生, 张优云. 支持向量机分类器中几个问题的研究[ J]. 计算机工程与应用, 2003, 13: 36- 38.
[ 14] Ratsch G. Benchm ark data sets [ DB /DL] . http: / /ida. first. fraunhofer. de /pro jects/bench/.
[ 15] Raetsch G, Onoda T, Mue ller K-R. Soft marg ins for adaboost[J]. M ach ine Learning, 2001, 42( 3): 287- 320

备注/Memo

备注/Memo:
基金项目: 国家自然科学基金( 60572010)
作者简介: 朱宁( 1972- ) , 女, 博士生, 主要研究方向: 系统故障诊断、健康评价, E-m a il:lzhun@ h it. edu. cn; 通讯作者: 王祁( 1944- ) , 男, 教授, 博士生导师, 主要研究方向: 自确认压力传感器, E-m ail:wangq i@ hit.edu. cn。
更新日期/Last Update: 2012-11-19