基于鸟群算法的SVM参数选择

• 作者: 何凡 卢常景 肖海军
• 来源期刊: 中南民族大学学报（自然科学版）
• 学科: 数学
• 关键词: 鸟群算法 支持向量机 参数选择
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 90-94
• 页数: 5页
• 分类号: O235
• 字数: 4267字
• 语种: 中文

摘要

针对支持向量机(SVM)分类器参数选择问题,提出了基于鸟群算法(BSA)的SVM参数选择方法(BSA-SVM),以优化SVM惩罚参数和核参数.鸟群算法具有优化精度高、鲁棒性好等特点,将SVM参数作为鸟群算法目标函数的优化参数,在搜索到最优值的同时得到最优参数.通过8个UCI标准数据集的MATLAB仿真对比实验,验证了BSA-SVM能有效提高分类准确性.实验结果表明:BSA-SVM能更加准确地找到SVM最优参数,从而加强SVM学习与泛化能力,是一种有效的SVM参数优化方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖海军	中国地质大学数学与物理学院	11	31	3.0	5.0
2	卢常景	中国地质大学数学与物理学院	4	12	1.0	3.0
3	何凡	中国地质大学数学与物理学院	2	12	1.0	2.0