10.3969/j.issn.1672-9722.2021.07.005
基于自适应粒子群的SVM参数优化研究
针对粒子群算法在优化SVM参数时,存在着易陷入局部最优,早熟收敛的问题,首先提出了一种用自适应权重来代替惯性权重的粒子群算法,再引入自适应变异对粒子群算法进行优化,增强粒子的种群多样性,使其能够跳出局部最优解,从而达到全局最优.最后,将改进后的算法(GPSO-SVM)应用到UCI标准数据集上进行验证,实验结果表明,改进后的算法提高了粒子的搜索性能,是一种有效的SVM参数优化算法.
粒子群算法;支持向量机;自适应权重;自适应变异
49
TP18(自动化基础理论)
2021-08-10(万方平台首次上网日期,不代表论文的发表时间)
共4页
1302-1304,1309