基于改进蜂群算法优化的支持向量机研究与应用

摘要：

支持向量机是一种应用广泛的机器学习方法,其分类性能主要取决于相关模型参数的选择.本文提出了一种改进的人工蜂群算法来优化支持向量机的参数,并将其应用于人体活动数据识别.在标准数据集上测试,与基本人工群体算法、遗传算法和粒子群算法等优化算法相比,改进蜂群算法优化的支持向量机可以获得更高的分类准确率.验证了改进人工蜂群算法的有效性.利用改进人工蜂群算法优化的支持向量机对人体活动数据进行分类识别,结果显示该方法具有较高的分类准确率,说明本文所提方法具有实用性.

关键词：支持向量机、改进的人工蜂群算法、参数优化、人体活动识别

所属期刊栏目：13

分类号：TP181(自动化基础理论)

在线出版日期：2023-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：197-200,204