基于鸟群算法的SVM参数选择

摘要：

针对支持向量机(SVM)分类器参数选择问题,提出了基于鸟群算法(BSA)的SVM参数选择方法(BSA-SVM),以优化SVM惩罚参数和核参数.鸟群算法具有优化精度高、鲁棒性好等特点,将SVM参数作为鸟群算法目标函数的优化参数,在搜索到最优值的同时得到最优参数.通过8个UCI标准数据集的MATLAB仿真对比实验,验证了BSA-SVM能有效提高分类准确性.实验结果表明:BSA-SVM能更加准确地找到SVM最优参数,从而加强SVM学习与泛化能力,是一种有效的SVM参数优化方法.

关键词：鸟群算法、支持向量机、参数选择

所属期刊栏目：36

分类号：O235(控制论、信息论（数学理论）)

资助基金：国家自然科学基金资助项目11301492;中国地质大学武汉基础研究基金项目CUGL140420

在线出版日期：2018-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：90-94