基于自适应遗传算法的SVM参数优化

摘要：

针对基于遗传算法支持向量机(SVM)训练时间较长以及分类精度较网格搜索法有所降低等问题,通过重新定义遗传算法参数的寻优范围,提出一种自适应遗传算法;该算法根据网格搜索法得到遗传算法参数的最佳寻优范围,然后遗传算法在这个范围内进行参数的精确寻优,最后得到分类的结果;这样不仅可以有效缩短训练时间,而且拥有更高的分类正确率;通过UCI中的10组经典数据集的实验结果可知,自适应遗传算法较之网格搜索法、常规遗传算法、粒子群算法在训练时间上有较大的提升,并且拥有较高的分类准确率.

关键词：支持向量机、参数优化、遗传算法、网格搜索法

所属期刊栏目：24

分类号：TP181(自动化基础理论)

资助基金：国家“973计划”资助项目2013CB328903;国家自然科学基金资助项目61403265

在线出版日期：2016-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：215-217,223