作　　者： ; ; ; ;

机构地区： 深圳大学计算机与软件学院

出　　处： 《深圳信息职业技术学院学报》 2011年第1期41-47,共7页

摘　　要： RBF-SVM是场景分类中主流的分类算法之一,C和γ是其优化参数。本文分析了场景分类中RBF-SVM优化参数的形态分布,从实验结果发现场景分类中RBF-SVM参数优化属于多峰值的优化问题。参数与分类精确度之间不具有显式的函数关系,并且最优解的搜索空间很大,用传统的网格算法和枚举法很难满足需求。演化算法具有自组织、自适应、自学习等智能特征,是解决场景分类中RBF-SVM参数优化的有效途径。 RBF-SVM is one of the mainstream classification algorithms in scene classification with C and γ as its optimization parameters.This paper analyzes RBF-SVM optimization parameters＇ morphological distribution in scene classification.The experiment results show that RBF-SVM parameter optimization in scene classification is a multi-peak optimization problem.Since RBF-SVM parameters do not have the explicit function relationship and the solution space is very large as well,so intelligent evolutionary algorithms should be used for RBF-SVM parameters optimization.

关 键 词： 场景分类 支持向量机 参数优化 演化算法

领　　域： [自动化与计算机技术] [自动化与计算机技术]