基于连续PSO算法的特征选择和SVM参数同步优化算法

摘要：

为解决SVM的特征选择和参数优化问题,文章提出了一种基于连续PSO算法的特征选择和SVM参数同步优化算法(CPSO-SVM),其目标是在尽可能提高SVM分类精度的同时,选择尽可能少的特征数目.在真实数据集上的实验研究表明,CPSO-SVM算法具有原始SVM算法所不具备的特征选择能力,能显著提高SVM的分类能力(包括更高的分类精度和更好的均衡性),而且从分类器的整个生命周期来看,具有更高的效率.与Huang C-L等所提出的基于GA的算法相比,CPSO-SVM算法在分类能力和特征性选择能力上毫不逊色,而且效率更高.

关键词：特征选择、支持向量机、同步优化、粒子群算法

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2011-01-11（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：65-68