《表5 参数结果：基于糖尿病性视网膜病变数据集的支持向量机优化算法比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于糖尿病性视网膜病变数据集的支持向量机优化算法比较》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本研究均假定惩罚因子c的取值范围为[0.1，100]，它主要用来控制分类模型的模型复杂度以及逼近误差的折中，如果惩罚因子c越大，那么说明该算法对数据的拟合程度越好，但同时也会降低算法的泛化能力，不利于算法的推广应用。同时本研究也均假定所选取的高斯核函数中的参数g的取值范围为[0.01，1000]，它决定了算法的分类精度。不同训练占比的数据集下，通过网格搜索的参数优化以及利用启发式算法进行参数优化得到的参数结果见表5。训练数据集占比为70%和80%时基于遗传算法和粒子群算法对参数寻优时适应度曲线的变化情况见图1、图2。