论文部分内容阅读
针对支持向量机(SVM)核参数选择困难的问题,通过对SVM分类的原理分析,提出一种新的基于数据分布特性衡量SVM核参数优劣的标准,即使包含正负样本的两个超球体应该尽可能地远且不相交;利用粒子群优化算法(PSO)求出在该衡量标准下的最优核参数。通过对UCI标准数据集的实验,验证了该算法所得到的核参数能在一定程度上提高SVM的泛化能力。