基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对特征子集的选择和分类器参数极大影响分类特性的问题,为了保证最优的分类性能,提出基于ABC(人工蜂群)算法同步优化特征和SVM(支持向量机)的参数,以交叉验证分类率和被选择的特征个数作为适应度函数.仿真结果表明,该算法具有可行性,在具有比较少特征的情况下,能够得到更好的分类效果.
推荐文章
基于ABC-SVM的运动想象脑电信号模式分类
脑电信号
人工蜂群算法
支持向量机
正则化共空间模式
模式分类
基于SVM的一种新的分类器设计方法
小样本数据
SVM分类器
分类准确率
半监督学习
基于最优ABC-SVM算法的P2P流量识别
人工蜂群算法
支持向量机
特征选择
参数优化
P2P流量识别
基于SVM算法的分类器设计
支持向量机
Libsvm工具箱
分类器
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于ABC算法的SVM分类器设计
来源期刊 自动化应用 学科
关键词 特征选择 支持向量机 参数优化 人工蜂群算法
年,卷(期) 2016,(11) 所属期刊栏目 系统解决方案
研究方向 页码范围 57-60
页数 4页 分类号
字数 2743字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 廖伍代 9 45 3.0 6.0
2 张谦 31 74 6.0 6.0
3 王海泉 19 84 5.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (13)
参考文献  (8)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
特征选择
支持向量机
参数优化
人工蜂群算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
自动化应用
月刊
1674-778X
50-1201/TP
大16开
重庆市渝北区洪湖西路18号《自动化应用》杂志社
78-52
1960
chi
出版文献量(篇)
6972
总下载数(次)
15
总被引数(次)
8117
论文1v1指导