改进鸟群算法用于SVM参数选择

摘要：

为能够自动地获得支持向量机(SVM)中核参数σ和惩罚系数C的最佳值,提出以改进的鸟群优化算法(IBSO)为基础的SVM参数选择方法.IBSO与传统鸟群算法(tBSO)相比,在觅食行为中加入鸟群自我的学习系数,对飞行行为中乞食者的位置更新方式进行更改.实例仿真计算结果表明,与其它算法相比,该方法可以快速确定SVM中参数的最优值,有效降低了算法的时间复杂度,提高了算法的全局搜索能力,具有良好的鲁棒性.

关键词：改进的鸟群算法、支持向量机、参数选择、学习系数、仿真

所属期刊栏目：38

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目11371255

在线出版日期：2018-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3267-3271,3278