改进人工鱼群算法在SVM参数优化中的应用

• 作者: 李智义 邱云飞
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 支持向量机 人工鱼群算法 粒子群算法 参数优化
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 2074-2079
• 页数: 6页
• 分类号: TP18
• 字数: 4217字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.11.022

摘要

支持向量机的参数优化一直是一个重要的研究方向.参数的好坏很大程度上决定了支持向量机的分类精度和泛化能力.针对人工鱼群算法优化支持向量机参数时,容易在后期徘徊于最优解附近、难以逼近的问题,提出了人工鱼群加速算法,使用速度参数代替人工鱼步长,从而求得最优目标并得到SVM的最优参数组合.仿真实验结果表明:该算法收敛速度快,求解数值精度高,对初值的依赖程度低,在SVM参数优化中具有更好的性能、更高的分类准确率,是一个极其有效的参数优化方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱云飞	辽宁工程技术大学软件学院	70	620	13.0	22.0
2	李智义	辽宁工程技术大学软件学院	1	12	1.0	1.0