10.3969/j.issn.1006-2475.2018.09.006
基于改进量子粒子群算法的支持向量机参数优化方法
支持向量机参数的选择对建模精度和泛化性能等有着重要的影响,提出量子粒子群优化(QPSO)改进算法优化支持向量机(SVM)参数的方法.该方法首先将混合扰动算子引入QPSO算法中,用于获取平均最优位置,建立一种基于混合扰动算子的QPSO算法改进方法(IQPSO),然后用IQPSO算法的全局优化能力对支持向量机惩罚系数和核参数进行综合寻优,求取最优化参数组合,从而提高支持向量机的求解速度和解的精确性.利用测试函数和UCI测试数据,对IQP-SO-SVM进行仿真测试与分类,实验结果表明,IQPSO能获得很好的优化结果,IQPSO-SVM具有较好的泛化性能.
改进量子粒子群、支持向量机、参数优化、混合扰动算子、性能
TH164
四川省科技厅应用基础重点项目2018JY0129;四川省教育厅科技计划项目18ZA0415
2018-09-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
27-31