一种改进型PSO算法在SVM参数寻优中的应用

• 作者: 何腾鹏 刘宇红 房乐楠
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 支持向量机 参数寻优 粒子群算法 双变异算子
• 年，卷（期）: 2018,（6）
• 页码范围: 17-19,31
• 页数: 4页
• 分类号: TP18
• 字数: 3318字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2018.06.005

摘要

SVM算法以其良好的泛化能力广泛应用于解决非线性分类问题,文中针对该算法中径向基核函数的参数寻优问题进行了详细探究,提出一种改进型PSO算法即在标准PSO算法中应用非线性惯性权重策略并引入双变异算子,避免算法陷入边缘局部最优,增加粒子多样性,在全局极值停止变化后,改进粒子前进方向使粒子再次进入更新搜索过程.实验结果表明,利用改进型PSO算法寻找最优参数,分类准确率明显提高,因此所提算法是进行SVM参数寻优的有效算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宇红	贵州大学大数据与信息工程学院	77	340	10.0	15.0
2	何腾鹏	贵州大学大数据与信息工程学院	5	20	2.0	4.0
3	房乐楠	贵州大学大数据与信息工程学院	2	17	2.0	2.0