基于PSO与GA的SVM特征选择与参数优化算法

• 作者: 温海标
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 粒子群算法 遗传算法 支持向量机 特征选择 参数优化
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 算法与语言
• 页码范围: 21-23
• 页数: 3页
• 分类号: TP312
• 字数: 3448字
• 语种: 中文
• DOI: 10.11907/rjdk.171267

摘要

支持向量机(SVM)在处理大样本特征维数较多的数据集时,算法消耗时间长而且容易陷入局部最优解,选择不合适的SVM算法参数会影响SVM模型分类性能.为了提高SVM性能,提出了基于粒子群算法(PSO)和遗传算法(GA)相结合的SVM特征选择与参数同步优化算法PGS.在UCI标准数据集上的实验表明,PGS算法能有效地找出合适的特征子集及SVM算法参数,提高收敛速度并能在较小的特征子集获得较高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温海标	广西师范学院计算机与信息工程学院	4	4	1.0	2.0