一种基于AFSA的SVM分类方法

• 作者: 刘娟 王卫星
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 人工鱼群算法(AFSA) 支持向量基(SVM) C-SVC 交叉验证法
• 年，卷（期）: 2011,（1）
• 页码范围: 91-95
• 分类号: TP301.5
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2011.01.019

摘要

应用一种全局搜索方法即人工鱼群算法(artificial fish swarm algorithm,AFSA)来优化支持向量基(support vector machines,SVM)的参数,并应用于图像分类.基于分类,初始化惩罚系数C和核函数参数δ2的范围;利用AFSA来优化SVM的参数,并得到合适的值;最后,把参数优化后的SVM应用于分类.实验结果表明,与C-SVC和交叉验证法相比,其分类结果优于其它两种方法,因此AFSA-SVM方法有更好的准确性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王卫星	重庆邮电大学计算机科学与技术学院	36	475	12.0	20.0
2	刘娟	重庆邮电大学计算机科学与技术学院	12	84	5.0	9.0