一种改进的基于粒子群优化的SVM训练算法

• 作者: 张艳宁 李映 白本督 童燕
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 粒子群优化算法 自适应变异
• 年，卷（期）: 2008,（20）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 138-141
• 页数: 4页
• 分类号: TP18
• 字数: 4004字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.20.042

摘要

支持向量机的训练需要求解一个带约束的二次规划问题,但在数据规模很大的情况下,经典的训练算法将会变得非常困难.提出了一种改进的基于粒子群的优化算法,用于替代支持向量机中现有的训练算法.在改进后的粒子群优化算法中,粒子不仅向自身最优和全局最优学习,还以一定的概率向其他部分粒子的均值学习,,同时,还引进了自适应变异算子,以降低未成熟收敛的概率.实验表明,提出的改进训练算法相对改进前的算法在性能上有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张艳宁	西北工业大学计算机学院	187	2026	21.0	35.0
2	李映	西北工业大学计算机学院	30	500	11.0	22.0
3	白本督	西北工业大学计算机学院	5	53	4.0	5.0
4	童燕	西北工业大学计算机学院	1	14	1.0	1.0