SVM算法的区间自适应PSO优化及其应用

• 作者: 姜念 张毅 王杰
• 来源期刊: 郑州大学学报（工学版）
• 学科: 工学
• 关键词: 支持向量机 自适应 粒子群优化算法 入侵检测
• 年，卷（期）: 2011,（1）
• 所属期刊栏目: 电气与控制
• 页码范围: 75-79
• 分类号: TP181|TP309.1
• 字数: 4125字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-6833.2011.01.019

摘要

核(Kernel)参数选取对支持向量机的推广能力和泛化能力有至关重要的作用,尤其是在对大量数据进行识别分类时,需要占用计算机大量内存,SVM参数优化速度明显缓慢,从而影响了整个系统性能.针对此问题,笔者提出一种区间自适应粒子群算法来优化SVM参数,粒子根据实际情况动态平衡其全局搜索与局部搜索能力,提高了参数优化速度.在入侵检测系统的应用中,与蚁群算法、遗传算法优化SVM参数的结果进行比较.实验证明:此方法分类精度提高约9.7%,响应时间缩短约40.6%～56.5%,具有较大的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王杰	郑州大学电气工程学院	142	1137	17.0	27.0
2	张毅	郑州大学电气工程学院	61	219	9.0	12.0
3	姜念	郑州大学电气工程学院	2	4	2.0	2.0