文献

J-GLOBAL ID：201802285180904298   整理番号：18A0895648

鳥群アルゴリズムに基づくSVMパラメータ選択【JST・京大機械翻訳】

Parameter Optimization of Support Vector Machine Based on Bird Swarm Algorithm

著者 (3件)： Xiao Haijun (中国地質大学 数学与物理学院,武漢,430074) ,  Lu Changjing (中国地質大学 数学与物理学院,武漢,430074) ,  He Fan (中国地質大学 数学与物理学院,武漢,430074)
資料名： Zhongnan Minzu Daxue Xuebao (Ziran Kexue Ban)  (Zhongnan Minzu Daxue Xuebao (Ziran Kexue Ban))
巻： 36  号： 3  ページ： 90-94  発行年： 2017年 
JST資料番号： C3234A  ISSN： 1672-4321  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： サポートベクトルマシン(SVM)分類装置のパラメータ選択の問題に照準を定めて,SVMパラメータ選択法(BSA-SVM)を提案して,SVMペナルティパラメータとカーネルパラメータを最適化した。鳥コロニーアルゴリズムには,高い最適化精度および良いロバスト性の特性があり,そして,SVMパラメータを,目的関数の最適化パラメータとして用い,そして,最適化パラメータを得るために,最適パラメータを得た。8つのUCIベンチマークデータセットのMATLABシミュレーションの比較実験は,BSA-SVMが分類精度を効果的に改善できることを示した。実験結果は,BSA-SVMがSVMの最適パラメータをより正確に発見でき,SVMの学習と汎化能力を強化し,SVMのパラメータ最適化の効果的な方法であることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： ロバスト性 ,  サポートベクトルマシン ,  目的関数 ,  分類装置 ,  比較試験 ,  *アルゴリズム ,  最適化
準シソーラス用語： パラメータ最適化 ,  分類精度 ,  MATLAB ,  最適パラメータ ,  *パラメータ選択 , 【Automatic Indexing@JST】

著者キーワード (3件)： bird swarm algorithm( BSA) ,  support vector machine( SVM) ,  parameter selection

分類 (3件)： 人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 鳥 ,  アルゴリズム ,  SVM ,  パラメータ選択