基于人工鱼群算法的孪生支持向量机

摘要：

孪生支持向量机(twin support vector machine,TWSVM)是在支持向量机的基础上产生的机器学习算法,具有训练速度快、分类性能优越等优点.但是孪生支持向量机无法很好地处理参数选择问题,不合适的参数会降低分类能力.人工鱼群算法(artificial fish swarm algorithm,AFSA)是一种群智能优化算法,具有较强的全局寻优能力和并行处理能力.本文将孪生支持向量机与人工鱼群算法结合,来解决孪生支持向量机的参数选择问题.首先将孪生支持向量机的参数作为人工鱼的位置信息,同时将分类准确率作为目标函数,然后通过人工鱼的觅食、聚群、追尾和随机行为来更新位置和最优解,最后迭代结束时得到最优参数和最优分类准确率.该算法在训练过程中自动确定孪生支持向量机的参数,避免了参数选择的盲目性,提高了孪生支持向量机的分类性能.

关键词：孪生支持向量机、人工鱼群算法、模式分类、参数优化、准确率、群体智能、二次规划、并行处理、全局优化

所属期刊栏目：14

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61672522,61379101

在线出版日期：2020-03-10（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：1121-1126