基于粒子群优化算法的支持向量机参数选择

• 作者: 罗旭 贺心皓
• 来源期刊: 计算机系统应用
• 关键词: 支持向量机 粒子群优化算法 SVM参数优化 惯性权值非线性递减 异步变化学习因子
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 研究开发
• 页码范围: 241-245
• 页数: 5页
• 字数: 3596字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007011

摘要

由于支持向量机的主要参数的选择能够在很大程度上影响分类性能和效果,并且目前参数优化缺乏理论指导,提出一种粒子群优化算法以优化支持向量机参数的方法.该方法通过引入非线性递减惯性权值和异步线性变化的学习因子策略来改善标准粒子群算法的后期收敛速度慢、易陷入局部最优的缺陷.实验结果表明,相对于标准粒子群算法,本方法在参数优化方面具有良好的鲁棒性、快速收敛和全局搜索能力,具有更高的分类精确度和效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺心皓	成都信息工程大学通信工程学院	2	5	1.0	2.0
2	罗旭	成都信息工程大学通信工程学院	2	6	1.0	2.0