基于PCA鸟群算法的SVM参数优化及应用

• 作者: 白静 郭倩岩
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 支持向量机 参数优化 主成分分析 鸟群算法 语音识别
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 软件与算法
• 页码范围: 1029-1033
• 页数: 5页
• 分类号: TP301
• 字数: 3503字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2018.04.023

摘要

为提高支持向量机的分类性能和寻优速率,研究群体仿生智能算法在参数优化过程中的特点,提出一种基于主成分分析的鸟群算法.通过模拟鸟群的觅食、警觉、迁徙等生物行为,结合主成分分析消除数据之间线性冗余的特点,有效增强模型的泛化能力,降低参数的寻优时间,改善识别精度.采用该算法解决语音识别的参数寻优问题,将其仿真结果与其它算法进行比较,比较结果表明,该算法比标准的鸟群算法和粒子群算法有更快的收敛速度和更高的识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白静	太原理工大学信息工程学院	39	197	8.0	11.0
2	郭倩岩	太原理工大学信息工程学院	2	8	2.0	2.0