采用粒子群优化的 SVM 算法在数据分类中的应用

• 作者: 姚若河 邹心遥 陈敬伟
• 来源期刊: 华侨大学学报（自然科学版）
• 关键词: 数据分类 支持向量机 粒子群优化 Iris 数据集 惩罚参数 高斯参数
• 年，卷（期）: 2016,（2）
• 页码范围: 171-174
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11830/ISSN.1000-5013.2016.02.0171

摘要

针对分类数据集合线性不可分的问题，改进了支持向量机（SVM）的分类方法，构建新的分类决策函数和高斯核函数。在支持向量机关键参数的优化环节，采用粒子群算法对惩罚参数和高斯参数进行优化，设计便于操作的优化流程，并针对 Iris 数据集合展开实验研究。结果表明：相比于基于遗传算法优化的 SVM 方法，所提出的方法执行速度快、分类准确率高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚若河	华南理工大学电子与信息学院	126	611	11.0	18.0
2	邹心遥	广东农工商职业技术学院机电系	22	83	4.0	8.0
3	陈敬伟	广东农工商职业技术学院机电系	2	9	1.0	2.0