基于IGA的支持向量机特征子集选择和参数优化

• 作者: 张永 李克秋 迟忠先 郝艳友
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 特征选择 参数优化 免疫遗传算法
• 年，卷（期）: 2008,（22）
• 所属期刊栏目: 博士论坛
• 页码范围: 35-38
• 页数: 4页
• 分类号: TP311
• 字数: 4507字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.22.010

摘要

特征子集选择和训练参数的优化一直是SVM研究中的两个重要方面,选择合适的特征和合理的训练参数可以提高SVM分类器的性能,以往的研究是将两个问题分别进行解决.随着遗传优化等自然计算技术在人工智能领域的应用,开始出现特征选择及参数的同时优化研究.研究采用免疫遗传算法(IGA)对特征选择及SVM参数的同时优化,提出了一种IGA-SVM算法.实验表明,该方法可找出合适的特征子集及SVM参数,并取得较好的分类效果,证明算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张永	辽宁师范大学计算机系	48	408	12.0	17.0
2	迟忠先	大连理工大学计算机科学与工程系	86	1209	19.0	31.0
3	李克秋	大连理工大学计算机科学与工程系	25	117	6.0	9.0