论文部分内容阅读
使用SVM进行分类，超参数的选择非常重要，它直接影响分类的性能。在实际应用中，最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交叉确认功能进行寻优。而拟牛顿算法，可在一个校验集上最小化一个经验误差估计来优化SVM的超参数，使超参数在分类任务中达到最优值，从而取得理想的分类结果。该文对拟牛顿算法进行了探讨，并将其应用在基于SVM的羽绒识别系统中，实验结果表明，该算法是有效的，与未经过超参数优化的SVM分类器相比，羽绒的识别率有了较大提高。