基于混沌粒子群的支持向量机参数优化

摘要：

支持向量机的参数选择决定了其学习性能和泛化能力,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优.基于此,提出一种基于混沌粒子群的支持向量机参数选择算法.混沌粒子群优化算法是一种全局搜索方法,在选取SVM参数时,不必考虑模型的复杂度和变量维数.仿真表明,混沌粒子群优化算法是选取SVM参数的有效方法,可以取得令人满意的效果.

关键词：支持向量机、混沌粒子群、参数选择

所属期刊栏目：7

分类号：TP183(自动化基础理论)

在线出版日期：2007-09-24（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：4597-4600