论文部分内容阅读
在高斯核支持向量机（SVM）的参数优化中,针对以特征空间中的类间距离（ICDF）为测度选择核参数时存在计算量大、耗时长的问题,首先提出并证明了ICDF是高斯核参数的严格单峰正定函数,然后根据该结论提出了改进黄金分割法（MGSA）来快速搜索核参数在候选集中的最佳值,在此基础上提出一种基于MGSA和微分进化算法的SVM参数快速优化方法,最后通过比较实验验证了所提方法的有效性和快速性.