基于PSO的LS-SVM特征选择与参数优化算法

摘要：

针对最小二乘支持向量机特征选择及参数优化问题,提出了一种基于PSO的LS-SVM特征选择与参数同步优化算法.首先产生若干种群(特征子集),然后用PSO算法对特征及参数进行优化.在UCI标准数据集上进行的仿真实验表明,该算法可有效地找出合适的特征子集及LS-SVM参数,且与基于遗传算法的最小二乘支持向量机算法(GALS-SVM)和传统的LS-SVM算法相比具有较好的分类效果.

关键词：最小二乘支持向量机、特征选择、参数优化、粒子群算法

所属期刊栏目：46

分类号：TP301(计算技术、计算机技术)

在线出版日期：2010-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：134-136,229