论文部分内容阅读
支持向量机的参数选择直接决定着支持向量机的泛化性能,模型选择是支持向量机的基本问题。组合支持向量机的泛化性较单个支持向量机有一定程度的提高,但是,组合支持向量机方法的突出问题就是计算量较大。针对这一问题,提出并实现了基于正则化路径的贝叶斯模型平均组合方法,具体工作包括:1提出了基于正定核的正则化路径算法,用以解决已有方法中矩阵不可逆、计算复杂度较大的问题。2设计了基于正定核正则化路径的概率模型组合算法PMCRP。通过正则化路径算法建立初始模型集,描述了基于贝叶斯模型平均的支持向量机模型组合算法,并进一步分析了算法的计算复杂性。3设计标准数据集上的实验,实验验证了算法的正确性,并比较了所提出的组合方法与传统的交叉验证、广义近似交叉验证(GACV)等方法的性能。实验结果充分显示了组合方法的有效性。