Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Neural Computing and Applications
Erschienen in: Neural Computing and Applications 1/2012

01.02.2012 | Original Article

Parameter selection of support vector machines and genetic algorithm based on change area search

verfasst von: Mingyuan Zhao, Jian Ren, Luping Ji, Chong Fu, Jianping Li, Mingtian Zhou

Erschienen in: Neural Computing and Applications | Ausgabe 1/2012

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Generalization performance of support vector machines (SVM) with Gaussian kernel is influenced by its model parameters, both the error penalty parameter and the Gaussian kernel parameter. After researching the characteristics and properties of the parameter simultaneous variation of support vector machines with Gaussian kernel by the parameter analysis table, a new area distribution model is proposed, which consists of optimal straight line, reference point of area boundary, optimal area, transition area, underfitting area, and overfitting area. In order to improve classification performance of support vector machines, a genetic algorithm based on change area search is proposed. Comparison experiments show that the test accuracy of the genetic algorithm based on change area search is better than that of the two-linear search method.
Nächster Artikel Adaptive fuzzy control for field-oriented induction motor drives

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
1.
2.
Keerthi SS, Lin C-J (2003) Asymptotic behaviors of support vector machines with Gaussian kernel. Neural Comput 15(7):1667–1689MATHCrossRef
3.
Ding S, Liu X (2009) Evolutionary computing optimization for parameter determination and feature selection of support vector machines. In: Proceedings of the CISE 2009 on computational intelligence and software engineering, Wuhan, China, 1–5
4.
Huang C-L, Wang C-J (2006) A GA-based feature selection and parameters optimization for support vector machines. Expert Syst Appl 31(2):231–240CrossRef
5.
Lin S-W, Ying K-C, Chen S-C, Lee Z-J (2008) Particle swarm optimization for parameter determination and feature selection of support vector machines. Expert Syst Appl 35:1817–1824CrossRef
6.
Ren Y, Bai G (2010) Determination of optimal SVM parameters by using GA/PSO. J Comput 5(8):1160–1168
7.
Huang H-L, Chang F-L (2007) ESVM: evolutionary support machine for automatic feature selection and classification of microarray data. Biosystems 90:516–528CrossRef
8.
Li S, Wu X, Hu X (2008) Gene selection using genetic algorithm and support vectors machines. Soft Comput 12:693–698CrossRef
9.
Debnath R, Kurita T (2010) An evolutionary approach for gene selection and classification of microarray data based on SVM error-bound theories. Biosystems 100(1):39–46CrossRef
10.
Vapnik V (1998) Statistical learning theory. Wiley, New YorkMATH
11.
12.
13.
14.
Chapelle O, Vapnik V, Bousquet O, Mukherjee S (2002) Choosing multiple parameters for support vector machines. Mach Learn 46:131–158MATHCrossRef
15.
Keerthi SS (2002) Efficient tuning or SVM hyperparameters using radius/margin bound and iterative algorithm. IEEE Trans Neural Netw 13(5):1225–1229CrossRef
Metadaten
Titel
Parameter selection of support vector machines and genetic algorithm based on change area search
verfasst von
Mingyuan Zhao
Jian Ren
Luping Ji
Chong Fu
Jianping Li
Mingtian Zhou
Publikationsdatum
01.02.2012
Verlag
Springer-Verlag
Erschienen in
Neural Computing and Applications / Ausgabe 1/2012
Print ISSN: 0941-0643
Elektronische ISSN: 1433-3058
DOI
https://doi.org/10.1007/s00521-011-0603-9

Weitere Artikel der Ausgabe 1/2012

Neural Computing and Applications 1/2012 Zur Ausgabe

Original Article

Fuzzy rules emulated networks with adaptive controller for nonaffine discrete-time systems

Original Article

Comparison of connectionist and multiple regression approaches for prediction of body weight of goats

Original Article

Multivariate numerical approximation using constructive RBF neural network

Original Article

Predictability and forecasting automotive price based on a hybrid train algorithm of MLP neural network

Original Article

Design of a CMAC-based smooth adaptive neural controller with a saturation compensator

Original Article

Framework of fully integrated hybrid systems