10.3969/j.issn.1007-130X.2017.01.028
基于混沌更新策略的蜂群算法在SVM参数优化中的应用
针对支持向量机的参数寻优缺乏数学理论指导,传统人工蜂群算法易陷入长期停滞的不足,而混沌搜索算法具有很好的随机性和遍历性,提出了基于混沌更新策略人工蜂群支持向量机参数选择模型(IABC-SVM).该模型利用混沌搜索对侦察蜂搜索方式进行改进,有效提高蜂群算法搜索效率.以UCI标准数据库中的数据进行数值实验,采用ACO-SVM、PSO-SVM、ABC-SVM作为对比模型,实验表明了IABC在SVM参数优化中的可行性和有效性,具有较高的预测准确率和较好的算法稳定性.
支持向量机、参数寻优、人工蜂群算法、混沌搜索、预测准确率
39
TP18(自动化基础理论)
教育部高校博士学科科研基金联合资助项目20132121110009;辽宁省教育厅基金L2015208
2017-03-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
199-205