基于混沌更新策略的蜂群算法在SVM参数优化中的应用

• 作者: 王飞 高雷阜
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 支持向量机 参数寻优 人工蜂群算法 混沌搜索 预测准确率
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 199-205
• 页数: 7页
• 分类号: TP18
• 字数: 5359字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.01.028

摘要

针对支持向量机的参数寻优缺乏数学理论指导,传统人工蜂群算法易陷入长期停滞的不足,而混沌搜索算法具有很好的随机性和遍历性,提出了基于混沌更新策略人工蜂群支持向量机参数选择模型(IABC-SVM).该模型利用混沌搜索对侦察蜂搜索方式进行改进,有效提高蜂群算法搜索效率.以UCI标准数据库中的数据进行数值实验,采用ACO-SVM、PSO-SVM、ABC-SVM作为对比模型,实验表明了IABC在SVM参数优化中的可行性和有效性,具有较高的预测准确率和较好的算法稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王飞	辽宁工程技术大学优化与决策研究所	15	88	6.0	9.0
2	高雷阜	辽宁工程技术大学优化与决策研究所	119	728	13.0	22.0