支持向量机算法多目标模型选择

• 作者: 池小梅 马建伟 黄景涛
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机(SVM) 模型选择 多目标优化(MOO) 粒子群优化(PSO)
• 年，卷（期）: 2009,（24）
• 所属期刊栏目: 数据库、信息处理
• 页码范围: 143-145,203
• 页数: 4页
• 分类号: TP391
• 字数: 3282字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.24.042

摘要

为适应支持向量机(Support Vector Machine,SVM)算法应用过程中的不同性能指标要求,将SVM算法的模型选择问题作为一个多目标优化(Multi-Object Optimization,MOO)问题进行处理.以改进的粒子群优化(Particle Swarm Optimization,PSO)算法对该多目标优化问题进行求解,得到其Pareto解集,在具体应用中根据实际需要从Pareto解集中选择适合的最优解作为支持向量杌算法参数,实现支持向量机算法的模型选择.在几个数据集上的仿真实验表明,该方法能够较快地得到Pareto解集,解集中的参数组合能够满足对支持向量机算法速度和泛化能力的不同要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马建伟	河南科技大学电子信息工程学院	72	360	10.0	16.0
2	黄景涛	河南科技大学电子信息工程学院	38	124	6.0	9.0
3	池小梅	河南科技大学电子信息工程学院	2	4	1.0	2.0