摘要: 模糊超球面支持向量机(FHS-SVM)在处理一类分类问题时比超平面支持向量机泛化能力更强,特别在雷达目标检测中得到了成功应用。FHS-SVM训练时需要预设一些超参数,不同的超参数得到的FHS-SVM性能差异很大。本文首先证明了FHS-SVM训练过程与证据框架第一层贝叶斯推理的等价性,然后在证据框架下提出了FHS-SVM超参数优化迭代方法。基于超宽带合成孔径雷达探雷数据,通过与穷举方法结果的对比检验了迭代优化方法的有效性。
金添;周智敏;宋千;常文革. 基于证据框架的模糊超球面支持向量机超参数优化[J]. 应用科学学报.
JIN Tian;ZHOU Zhi-min;SONG Qian and CHANG Wen-ge. Hyperparameter Optimization of Fuzzy Hypersphere Support Vector Machine Based on Evidence Framework[J]. Journal of Applied Sciences.