论文部分内容阅读
支持向量机(Support Vector Machines,SVMs)的分类结果严重受限于模型参数的选择.很多学者都在研究调参问题,但目前还没有一个行之有效的方法,常用的办法是网格搜索,一个近似选择参数的方法.以噪声(光暗,有遮挡)图像分类为背景,以正则化支持向量机(Regularized SVM,RSVM)为分类器,研究了偏微分方程组(Partial Differential Equations,PDEs)对RSVM模型中参数选择的影响.实验结果表明通过PDEs的进化可以弱化参数的影响,甚至不需要