支持向量机参数优化研究

基于统计学习理论的支持向量机作为数据挖掘中的新技术,开发了一个极好的机器学习方法。它被认为是机器学习领域非常受欢迎的和成功的例子。支持向量机应用到实际问题时,首先面临的模型参数,包括支持向量机和核参数的选择。参数的选择直接决定了训练支持向量机的效率和效果,如何选择参数是支持向量机的主要问题。本文介绍的支持向量机参数优化和粒子群优化算法的关键知识,支持向量机的性能是很大程度上取决于参数设置,包括的惩罚参数和核函数参数,如何选择支持向量机的关键参数问题。