论文部分内容阅读
在解决有限样本、非线性和高维度问题中，建立在统计学习理论和结构风险最小化原则上的支持向量机表现出良好的性能和独特的优势。然而，支持向量机参数对模型的识别精度和泛化能力有很大影响，基于这样的事实，运用混合梯度下降算法对支持向量机的参数进行优化选择，结合量子遗传算法出色的全局优化能力和梯度下降法局部寻优能力，较好地解决了传统的支持向量机中参数优化的难题。最后，用实例验证了该算法的有效性。