一种结合PSO优化调参的SVM数据分类和预测研究

摘要：

支持向量机(SVM)和粒子群优化(PSO)是两种常用的机器学习和优化算法,它们各自在数据分类和预测中有广泛的应用.研究提出了一种基于SVM和PSO相结合的新型算法,用于数据分类和预测.该算法首先使用SVM对数据进行初步分类,然后使用PSO对SVM的参数进行优化,以提高分类和预测的准确性.对比实验结果,表明该算法在相同数据集上的分类和预测性能均优于传统的SVM算法.因此,该算法在实际应用中具有很大的潜力,并可以为数据分类和预测提供更好的解决方案.

关键词：支持向量机、粒子群优化、机器学习、数据分类和预测

所属期刊栏目：19

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-11-03（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：32-35