A social-spider optimization approach for support vector machines parameters tuning

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorInformatics Faculty of Presidente Prudente, University of Western Sao Paulo (UNOESTE)-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorPereira, Danillo R.-
Autor(es): dc.creatorPazoti, Mario A.-
Autor(es): dc.creatorPereira, Luis A. M.-
Autor(es): dc.creatorPapa, Joao Paulo-
Data de aceite: dc.date.accessioned2025-08-21T19:35:45Z-
Data de disponibilização: dc.date.available2025-08-21T19:35:45Z-
Data de envio: dc.date.issued2022-04-29-
Data de envio: dc.date.issued2022-04-29-
Data de envio: dc.date.issued2015-01-01-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1109/SIS.2014.7011769-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/232373-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/232373-
Descrição: dc.descriptionThe choice of hyper-parameters in Support Vector Machines (SVM)-based learning is a crucial task, since different values may degrade its performance, as well as can increase the computational burden. In this paper, we introduce a recently developed nature-inspired optimization algorithm to find out suitable values for SVM kernel mapping named Social-Spider Optimization (SSO). We compare the results obtained by SSO against with a Grid-Search, Particle Swarm Optimization and Harmonic Search. Statistical evaluation has showed SSO can outperform the compared techniques for some sort of kernels and datasets.-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionInformatics Faculty of Presidente Prudente, University of Western Sao Paulo (UNOESTE)-
Descrição: dc.descriptionDepartment of Computing, São Paulo State University-
Descrição: dc.descriptionDepartment of Computing, São Paulo State University-
Descrição: dc.descriptionFAPESP: #2009/16206-1-
Descrição: dc.descriptionFAPESP: #2011/14094-1-
Descrição: dc.descriptionFAPESP: #2013/20387-7-
Formato: dc.format8-13-
Idioma: dc.languageen-
Relação: dc.relationIEEE SSCI 2014 - 2014 IEEE Symposium Series on Computational Intelligence - SIS 2014: 2014 IEEE Symposium on Swarm Intelligence, Proceedings-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectEvolutionary Computing-
Palavras-chave: dc.subjectSocial-Spider Optimization-
Palavras-chave: dc.subjectSupport Vector Machines-
Título: dc.titleA social-spider optimization approach for support vector machines parameters tuning-
Tipo de arquivo: dc.typeaula digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.