基于分段层近法的SMO参数选择

来源 :计算机与数字工程 | 被引量 : 0次 | 上传用户:lygzzm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
传统的支撑向量机(SVM)训练速度非常慢,使用RBF核的序列最小优化(SMO)是有效的SVM改进算法.综合网格法和双线形法的优点,提出分段层近法选择参数惩罚因子C和核参数σ2.同时用来训练二维数据,实验证明,SMO算法与传统的SVM算法都使用该法选定参数,在推广识别率方面为同一水平的情况下,运行速度有很大的提高.
其他文献
2012年全球经济是在艰难中更生的一年。各界相互扶持,以市场化的共识,坚定的改革勇气,才能迎来中国经济的更生。
视频在无线传感器网络传输,由于网络的不稳定,可能使视频质量受到一定的影响。在人类视觉模型的基础上,提出一个改进的无参考质量评估算法,直接通过收到的图像,判断视频质量的好坏
引入蜜蜂为温室大棚内作物授粉,是提高农业经济效益的重要手段和设施农业发展的必然趋势。温室大棚是个独立的小环境,内部的温度、湿度、光照条件、气味等环境因素有其特殊性,蜜