基于混合核函数的PSO-SVM分类算法

• 作者: 刘春卫 罗健旭
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 混合核函数 粒子群优化
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 96-101
• 页数: 6页
• 分类号: TP181
• 字数: 5005字
• 语种: 中文

摘要

在数据挖掘中,支持向量机是被广泛应用的一种分类算法,其核函数的选择及参数的设定没有有效的标准.本文采用混合核函数构造兼顾学习能力和泛化性能的支持向量机算法,并利用粒子群算法来确定支持向量机的参数.应用基于混合核函数的PSO-SVM算法对一个经典的分类测试数据集进行分类,将该算法与单一核函数支持向量机算法的分类结果进行比较,结果表明所提出的算法的分类性能有明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗健旭	华东理工大学信息科学与工程学院	22	140	7.0	11.0
2	刘春卫	华东理工大学信息科学与工程学院	1	22	1.0	1.0