改进的MEA进行特征选择及SVM参数同步优化

• 作者: 丁胜 张进 李波
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 特征选择 参数优化 思维进化算法 学习 反思
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 120-125,179
• 页数: 7页
• 分类号: TP301.6
• 字数: 6454字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1510-0150

摘要

特征选择和参数优化是提高支持向量机(SVM)分类性能的两个重要手段,将两者进行同步优化能提高分类器的分类精度.利用思维进化算法(MEA)进行特征选择和SVM参数同步优化能取得较好的分类效果,但也存在着收敛速度慢,易陷入局部最优的问题,无法进一步提高分类精度.针对这一问题,提出了一种改进的思维进化算法进行分类器优化(RMEA-SVM),在传统思维进化算法的基础上引入了"学习"和"反思"机制,利用子群体间信息共享进行学习,通过适应度值的比较进行反思.通过这种方式保证种群的多样性,加快收敛速度,进一步提高分类精度.实验结果证明了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁胜	武汉大学电子信息学院	4	46	3.0	4.0
10	张进	武汉科技大学计算机科学与技术学院	9	22	2.0	4.0
14	李波	武汉科技大学计算机科学与技术学院	20	63	3.0	7.0