基于改进磷虾群算法的SVDD参数优化

• 作者: 周炜 孔祥鑫 王晓丹
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量数据描述 改进磷虾群算法 参数优化 精英选择和保留策略
• 年，卷（期）: 2017,（22）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 137-142,216
• 页数: 7页
• 分类号: TP391
• 字数: 5846字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1611-0233

摘要

支持向量数据描述(SVDD)是构造单类数据描述的分类算法,惩罚参数C和核参数σ作为影响SVDD分类效果的关键,其合理选取一直是个难点.针对这一问题,提出了一种基于改进磷虾群算法的SVDD参数优化算法(IKH-SVDD).依据仿真实验,分析参数C和σ对描述边界的影响;引入磷虾群算法并分析其优劣,通过在随机扩散行为中定义扰动因子,增强算法的全局搜索能力;将一种新的精英选择和保留策略引入迭代过程,提高算法的收敛精度;将改进的磷虾群算法引入SVDD参数优化过程,构建了IKH-SVDD参数优化模型.基于UCI标准数据库进行实验并与其他几种参数优化算法进行比较,结果表明了IKH-SVDD算法具有更高的分类准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓丹	空军工程大学防空反导学院	135	1447	21.0	31.0
2	周炜	空军工程大学防空反导学院	35	173	8.0	11.0
3	孔祥鑫	空军工程大学防空反导学院	2	11	1.0	2.0