基于粒子群优化算法的支持向量机研究

摘要：

基于粒子群优化算法提出了一种通过优化支持向量机模型参数,建立更佳的支持向量机数学模型的方法.针对双螺旋分类问题,分别利用基于粒子群优化算法所建立的支持向量机分类器和标准支持向量机分类器进行了仿真实验,利用所建立的评价体系对仿真实验所获得的实验数据进行了评估,评估结果表明基于粒子群优化算法的支持向量机分类器明显优于标准支持向量机分类器,其分类结果表明基于粒子群优化算法的支持向量机分类器提高了分类结果的准确性,同时也验证了基于粒子群优化算法的支持向量机分类器在数据分类中的有效性.

关键词：粒子群优化算法(PSO)、支持向量机(SVM)、优化、双螺旋分类、评价

所属期刊栏目：34

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目11071284

在线出版日期：2014-10-15（万方平台首次上网日期，不代表论文的发表时间）

页码：705-709