[1]Vapnik V N.The Nature of Statistical Learning Theory[M]. 2nd ed. Springer-Verlag, New York Inc., 2000.
[2]Burges C J C. A tutorial on support vector machines for pattern recognition[J]. Data Mining and Knowledge Discovery, 1999,2(2):121-167.
[3]Chen Peng-wei, Wang Jung-ying, Lee H M. Model selection of SVMs using GA approach[C]// Proceedings of the International Symposium Conference on Neural Networks, 2004. 2004,3:2035-2040.
[4]马元良,裴生雷. 基于改进遗传算法的SVM参数优化研究[J]. 计算机仿真, 2010,27(8):150-152,193.
[5]史月俊,周大为,王玉光. 基于一种改进粒子群算法的SVM参数选取[J]. 计算机应用, 2009,29(S2):176-178.
[6]王兴玲,李占斌. 基于网格搜索的支持向量机核函数参数的确定[J]. 中国海洋大学学报(自然科学版), 2005,35(5):859-862.
[7]刘东平,单甘霖,张岐龙,等. 基于改进遗传算法的支持向量机参数优化[J]. 微计算机应用, 2010,31(5):11-15.
[8]朱宁,冯志刚,王祁. 基于小生境遗传算法的支持向量机分类器参数优化[J]. 南京理工大学学报(自然科学版), 2009,33(1):16-20.
[9]Chapelle O, Vapnik V, Bousquet O, et al. Choosing multiple parameters for support vector machines[J]. Machine Learning, 2002,46(1-3):131-159.
[10]Vapnik V N. 统计学习理论的本质[M]. 张学工译. 北京:清华大学出版社, 2000.
[11]饶刚,刘琼荪,高君健. 基于灰色特征加权支持向量机的二维函数拟合[J]. 计算机工程与设计, 2012,33(10):3975-3978,3983.
[12]张永利. 基于支持向量机的信息融合技术研究及应用[D]. 西安:西安科技大学, 2008.
[13]李良敏,温广瑞,王生昌. 基于遗传算法的回归型支持向量机参数选择法[J]. 计算机工程与应用, 2008,44(7):23-26.
[14]王慧勤,雷刚. 基于LIBSVM的风速预测方法研究[J]. 科学技术与工程, 2011,11(22):5440-5443,5450.
[15]边霞,米良. 遗传算法理论及其应用研究进展[J]. 计算机应用研究, 2010,27(7):2425-2429.
[16]王佳. 混合核支持向量机参数优化及其应用研究[D]. 长沙:长沙理工大学, 2011.
[17]Kennedy J, Eberhart R C. Particle swarm optimization[C]// Proceedings of IEEE International Conference on Neural Networks, 1995. Washington, 1995:1942-1948.
[18]王健,张磊,陈国兴,等. 基于改进的网格搜索法的SVM参数优化[J]. 应用科技, 2012,39(3):28-31. |