基于改进量子粒子群算法的支持向量机参数优化方法

• 作者: 周頔
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 改进量子粒子群 支持向量机 参数优化 混合扰动算子 性能
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 27-31
• 页数: 5页
• 分类号: TH164
• 字数: 3747字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.09.006

摘要

支持向量机参数的选择对建模精度和泛化性能等有着重要的影响,提出量子粒子群优化(QPSO)改进算法优化支持向量机(SVM)参数的方法.该方法首先将混合扰动算子引入QPSO算法中,用于获取平均最优位置,建立一种基于混合扰动算子的QPSO算法改进方法(IQPSO),然后用IQPSO算法的全局优化能力对支持向量机惩罚系数和核参数进行综合寻优,求取最优化参数组合,从而提高支持向量机的求解速度和解的精确性.利用测试函数和UCI测试数据,对IQP-SO-SVM进行仿真测试与分类,实验结果表明,IQPSO能获得很好的优化结果,IQPSO-SVM具有较好的泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周頔	四川文理学院达州智能制造产业技术研究院	16	42	4.0	5.0