基于人工蜂群算法的支持向量机参数优化及应用

摘要：

为了解决常用的支持向量机（SVM）参数优化方法在寻优过程不同程度的陷入局部最优解的问题，提出一种基于人工蜂群（ABC）算法的sVM参数优化方法。将SVM的惩罚因子和核函数参数作为食物源位置，分类正确率作为适应度，利用ABC算法寻找适应度最高的食物源位置。利用4个标准数据集，将其与遗传（GA）算法、蚁群（ACO）算法、标准粒子群（PS0）算法优化的sVM进行性能比较，结果表明，本文方法能克服局部最优解，获得更高的分类正确率，并在小数目分类问题上有效降低运行时间。将本文方法运用到计算机笔迹鉴别，对提取的笔迹特征进行分类，与GA算法、AC0算法、PS0算法优化的SVM相比，得到了更高的分类正确率。

关键词：人工蜂群(ABC)算法、支持向量机(SVM)、参数优化、优化算法

所属期刊栏目：23

分类号：TP181(自动化基础理论)

资助基金：国家科技支撑计划资助项目2009BA171B02;河北省科技支撑计划资助项目10213565

在线出版日期：2012-04-28（万方平台首次上网日期，不代表论文的发表时间）

页码：374-378