模拟退火（SA）在许多优化问题中是众所周知的。在这里可以阅读更多关于SA的内容 http://en.wikipedia.org/wiki/Simulated_annealing
我对SA用于支持向量机分类的特征选择感兴趣，即我们需要从输入数据中定义一个子集，用作具有低分类错误的SVM的特征向量。因此，我们可以将每个输入数据子集理解为状态s，并将其能量E（s）理解为分类错误的成本函数。
我的问题是如何为每个载体选择初始标签集？在开始时它可以是任意的吗？
每个状态的成本函数的公式是什么（通常，对于非线性核SVM）？ 以及如何定义下一个状态（选择下一个子集）？