灰狼优化的混合参数多分类孪生支持向量机

摘要：

孪生支持向量机(TWSVM)是在支持向量机(SVM)的基础上产生的一种高效二分类算法,由于现实中存在的问题大多数是多分类的,将二分类孪生支持向量机扩展到多分类孪生支持向量机(MTWSVM)是非常重要的.目前常用的MTWSVM一般是基于"一对一"策略,但该策略中各子分类器都采用相同的惩罚参数以及核参数,忽略了不同子分类器之间的差异,不能使其发挥最好的作用.通过提出一种基于混合参数的多分类孪生支持向量机(MP-MTWSVM),为不同的子分类器选取合适的参数,保持分类器的多样性,进而根据"一对一"策略构建MTWSVM.TWSVM本就面临着参数难确定的问题,而MP-MTWSVM算法又引入了大量的参数,通过灰狼算法(GWO)对MP-MTWSVM的参数进行寻优,进一步提出了基于灰狼优化的混合参数多分类孪生支持向量机(GWO-MP-MTWSVM).通过实验表明,GWO可以快速找到各子分类器的最优参数,并进一步提升了算法的准确率.

关键词：多分类孪生支持向量机(MTWSVM)、一对一策略、混合参数、灰狼优化(GWO)

所属期刊栏目：14

分类号：TP181(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No. 61673396 国家自然科学基金;the Natural Science Foundationof Shandong Province under Grant No. ZR2017MF032 山东省自然科学基金

在线出版日期：2020-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：628-636