10.3969/j.issn.1007-130X.2018.11.022
改进人工鱼群算法在SVM参数优化中的应用
支持向量机的参数优化一直是一个重要的研究方向.参数的好坏很大程度上决定了支持向量机的分类精度和泛化能力.针对人工鱼群算法优化支持向量机参数时,容易在后期徘徊于最优解附近、难以逼近的问题,提出了人工鱼群加速算法,使用速度参数代替人工鱼步长,从而求得最优目标并得到SVM的最优参数组合.仿真实验结果表明:该算法收敛速度快,求解数值精度高,对初值的依赖程度低,在SVM参数优化中具有更好的性能、更高的分类准确率,是一个极其有效的参数优化方法.
支持向量机、人工鱼群算法、粒子群算法、参数优化
40
TP18(自动化基础理论)
国家自然科学青年基金61401185;辽宁省高等学校杰出青年学者成长计划基金LJQ2012027;辽宁省教育厅一般基金L2013131,L2013133
2018-12-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
2074-2079