Détail de la notice
Titre du Document
An improved parameter tuning method for support vector machines
Auteur(s)
YONG QUAN ; JIE YANG ; Huoyin Wang (Editeur scientifique) ; ...
Résumé
Support vector machines (SVMs) is a very important tool for data mining. However, the problem of tuning parameters manually limits its application in practical environment. In this paper, under analyzing the limitation of these existing approaches, a new methodology to tuning kernel parameters, based on the computation of the gradient of penalty function with respect to the RBF kernel parameters, is proposed. Simulation results reveal the feasibility of this new approach and demonstrate an improvement of generalization ability.
Editeur
Springer
Type du document
Conférence : Rough sets, fuzzy sets, data mining, and granular computing. International conference, 9, Chongqing, CHN, 2003-05-26
Identifiant
ISSN : 0302-9743 ISBN : 3-540-14040-9
Source
Lecture notes in computer science A. 2003, vol. 2639, pp. 607-610 [4 pages] [bibl. : 6 ref.]
Langue
Anglais
Pour les membres de la communauté du CNRS, ce document est autorisé à la reproduction à titre gratuit.
Pour les membres des communautés hors CNRS, la reproduction de ce document à titre onéreux sera fournie sous réserve d’autorisation du Centre Français d’exploitation du droit de Copie.

Pour bénéficier de nos services (strictement destinés aux membres de la communauté CNRS (Centre National de la Recherche Scientifique), de l'ESR français (Enseignement Supérieur et Recherche), et du secteur public français & étranger) :