基于遗传算法与粒子群算法的支持向量机参数选择

• 作者: 宋永东 戴上平
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 支持向量机 参数选择 遗传算法 粒子群算法
• 年，卷（期）: 2012,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 113-117
• 分类号: TP301.6
• 字数: 3356字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2012.10.023

摘要

支持向量机(SVM)参数的选择是评价SVM性能的一个很重要的因素.SVM在解决小样本、非线性等问题中起到的效果是很好的.但是,该方法的缺点是在解决大样本数据集时消耗时间长,且易陷入局部最优解.为了降低SVM在这方面的不足,本文提出了遗传算法和粒子群算法相结合(PSOGA)对参数进行优化求解,并将该算法建立的模型应用到实验中.仿真结果说明该方法避免了陷入局部解,提高了收敛速度并缩短了优化时间,是一个很有效的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴上平	华中师范大学计算机学院	14	174	9.0	13.0
2	宋永东	华中师范大学计算机学院	1	30	1.0	1.0