10.11896/j.issn.1002-137X.2018.06.035
基于粒子群算法的支持向量机的参数优化
支持向量机(Support Vector Machine,SVM)对内部参数有着极高的依赖性,因此参数的好坏直接决定了SVM的分类效果,比如径向基核函数的参数.为了寻找出与分类问题相契合的参数,将样本数据投影到高维度特征空间,从而在特征空间中计算类内平均距离与类外中心距离之差,并将其作为参数评估的适应值;利用粒子群算法的全局寻优能力,在定义城内生成种群以代表不同的参数取值;利用粒子的随机游走来进行最优参数搜索,并将结果代入SVM进行样本训练.将所提算法与网格算法等进行了比较,结果表明所提算法的参数设定更加准确,分类准确率有显著提高,且算法复杂度并没有明显增加.
支持向量机、粒子群优化算法、群智能、参数优化、演化算法
45
TP3-05(计算技术、计算机技术)
国家自然科学青年基金61502423;浙江省科技厅科研院专项2016F50047
2018-08-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
197-203