基于自适应遗传算法的SVM参数优化

• 作者: 周新志 孟滔 雷印杰
• 来源期刊: 计算机测量与控制
• 关键词: 支持向量机 参数优化 遗传算法 网格搜索法
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 设计与应用
• 页码范围: 215-217,223
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2016.09.060

摘要

针对基于遗传算法支持向量机(SVM)训练时间较长以及分类精度较网格搜索法有所降低等问题,通过重新定义遗传算法参数的寻优范围,提出一种自适应遗传算法;该算法根据网格搜索法得到遗传算法参数的最佳寻优范围,然后遗传算法在这个范围内进行参数的精确寻优,最后得到分类的结果;这样不仅可以有效缩短训练时间,而且拥有更高的分类正确率;通过UCI中的10组经典数据集的实验结果可知,自适应遗传算法较之网格搜索法、常规遗传算法、粒子群算法在训练时间上有较大的提升,并且拥有较高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周新志	四川大学电子信息学院	149	837	14.0	22.0
2	雷印杰	四川大学电子信息学院	34	120	6.0	9.0
3	孟滔	四川大学电子信息学院	1	22	1.0	1.0