基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高SVM的分类器性能,提出使用蚁群算法来指导SVM模型参数的选择,并针对采用RBF作为核函数的SVM进行了实验.然后将该方法与基于GA的SVM模型选择方法进行了比较.实验证明采用蚁群算法具有一定的优势,它能在较短的时间内寻找到最优解,且最终得到的分类结果优于遗传算法.
推荐文章
改进蚁群算法优化SVM参数的网络入侵检测模型研究
网络入侵检测
支持向量机(SVM)
高斯变异
改进蚁群算法(MACO)
改进蚁群算法在SVM参数优化研究中的应用
支持向量机
蚁群优化算法
参数优化
分类正确率
基于混沌蚁群算法的SVM模型在水库枯水期径流预测中的应用
混沌蚁群算法
SVM模型
高斯核函数
参数优化
水库枯水期径流预测
基于云模型的并行蚁群-SVM分类方法
云模型
逆向云发生器
并行蚁群算法
支持向量机
网页分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于蚁群算法的SVM模型选择研究
来源期刊 计算机技术与发展 学科 工学
关键词 支持向量机 模型选择 蚁群算法
年,卷(期) 2007,(9) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 95-98
页数 4页 分类号 TP301.6
字数 3512字 语种 中文
DOI 10.3969/j.issn.1673-629X.2007.09.029
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 倪志伟 合肥工业大学管理学院 136 1346 21.0 27.0
2 李锋刚 合肥工业大学管理学院 34 361 12.0 18.0
3 倪丽萍 合肥工业大学管理学院 31 305 10.0 16.0
4 潘永刚 合肥工业大学管理学院 2 44 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (80)
参考文献  (4)
节点文献
引证文献  (32)
同被引文献  (31)
二级引证文献  (104)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(7)
  • 参考文献(0)
  • 二级参考文献(7)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(4)
  • 引证文献(4)
  • 二级引证文献(0)
2010(12)
  • 引证文献(8)
  • 二级引证文献(4)
2011(8)
  • 引证文献(3)
  • 二级引证文献(5)
2012(18)
  • 引证文献(3)
  • 二级引证文献(15)
2013(19)
  • 引证文献(3)
  • 二级引证文献(16)
2014(14)
  • 引证文献(2)
  • 二级引证文献(12)
2015(15)
  • 引证文献(3)
  • 二级引证文献(12)
2016(12)
  • 引证文献(2)
  • 二级引证文献(10)
2017(14)
  • 引证文献(1)
  • 二级引证文献(13)
2018(10)
  • 引证文献(1)
  • 二级引证文献(9)
2019(5)
  • 引证文献(1)
  • 二级引证文献(4)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
支持向量机
模型选择
蚁群算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
相关基金
安徽省自然科学基金
英文译名:Anhui Provincial Natural Science Foundation
官方网址:http://www.ahinfo.gov.cn/zrkxjj/index.htm
项目类型:安徽省优秀青年科技基金
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导