改进粒子群算法优化的支持向量机及其应用

• 作者: 孙佳骏 尹成峰 王振武
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 粒子群优化算法 混沌序列 支持向量机 遥感影像
• 年，卷（期）: 2016,（12）
• 页码范围: 1728-1733
• 页数: 6页
• 分类号: TP301.6
• 字数: 5168字
• 语种: 中文
• DOI: 10.11990/jheu.201601005

摘要

传统粒子群优化（ particle swarm optimization， PSO）算法主要包含两方面问题，即易陷入局部极小和后期震荡严重，为此引入混沌序列来初始化粒子群的位置，并在简化的粒子群数学模型上从两个方面对其进行了改进。本文利用改进的PSO算法对支持向量机（ support vector machine， SVM）的参数进行优化，仿真实验结果表明：与SVM、PSO-SVM以及遗传算法（genetic algorithm， GA）优化的SVM（GA-SVM）相比，改进PSO优化的SVM（IPSO-SVM）算法具有较高的分类准确率，并且与PSO-SVM算法相比，准确率提高了3％～5％，与PSO-SVM算法以及GA-SVM算法相比，IPSO-SVM的训练和泛化速度都明显提高。本文将IPSO-SVM算法应用到遥感影像的分类中，分类结果表明，与PSO-SVM算法相比，IPSO-SVM算法具有更好的分类结果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王振武	中国矿业大学机电与信息工程学院	2	34	2.0	2.0
2	孙佳骏	中国矿业大学机电与信息工程学院	2	31	2.0	2.0
3	尹成峰	中国矿业大学机电与信息工程学院	1	29	1.0	1.0