改进蚁群算法在SVM参数优化研究中的应用

• 作者: 张秀丽 王飞 高雷阜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 蚁群优化算法 参数优化 分类正确率
• 年，卷（期）: 2015,（13）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 139-144
• 页数: 6页
• 分类号: TP18
• 字数: 4902字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1307-0281

摘要

支持向量机参数的选择决定着支持向量机的分类精度和泛化能力，而其参数优化缺乏理论指导，在此背景下提出了ACO-SVM模型。该模型将SVM分类预测准确率作为目标函数，对蚁群算法进行改进，引入有向搜索和基于时变函数更新的信息素更新原则，利用蚁群算法的并行性、正反馈机制和较强的鲁棒性，以求得最优目标并得到SVM的最优参数组合。数值实验结果表明，改进蚁群算法在SVM参数优化选取中具有更好的寻优性能，具有较高的分类准确率；该方法具有较好的并行性和较强的全局寻优能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王飞	辽宁工程技术大学理学院	15	88	6.0	9.0
2	高雷阜	辽宁工程技术大学理学院	119	728	13.0	22.0
3	张秀丽	辽宁工程技术大学理学院	2	33	2.0	2.0