基于差分进化的自适应多核学习技术的研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：本文针对部分分类器分类效果不佳是因为特征自身可分性较差的问题提出了解决方法。首先，采用核函数将原始数据投影到高维空间，同时引入多个基本核函数的线性组合来构建最优核函数，以克服单个核函数映射空间的局限性。其次，利用差分进化算法搜索核函数的初始参数值，以获取适应当前系统的最佳参数，进而提高分类器的分类性能。研究者在支持向量机的框架下应用这一方法对公开数据集进行了实验验证，结果显示相较于常用分类器，所提出的方法高了2。4%的分类效果。

作者：

陶琳、张璘、黄新栋

展开 >

作者单位：

厦门理工学院光电与通信工程学院

关键词：

多核学习支持向量机差分进化

基金：

福建省中青年教师教育科研项目

项目编号：

JAT200479

出版年：

2024

中国新通信

电子工业出版社

中国新通信

影响因子：0.283

ISSN：1673-4866

年,卷(期)：2024.26(13)