10.3969/j.issn.1007-130X.2012.10.023
基于遗传算法与粒子群算法的支持向量机参数选择
支持向量机(SVM)参数的选择是评价SVM性能的一个很重要的因素.SVM在解决小样本、非线性等问题中起到的效果是很好的.但是,该方法的缺点是在解决大样本数据集时消耗时间长,且易陷入局部最优解.为了降低SVM在这方面的不足,本文提出了遗传算法和粒子群算法相结合(PSOGA)对参数进行优化求解,并将该算法建立的模型应用到实验中.仿真结果说明该方法避免了陷入局部解,提高了收敛速度并缩短了优化时间,是一个很有效的方法.
支持向量机、参数选择、遗传算法、粒子群算法
34
TP301.6(计算技术、计算机技术)
2012-11-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
113-117