基于人工鱼群算法的孪生支持向量机

• 作者: 丁世飞 李景灿
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 孪生支持向量机 人工鱼群算法 模式分类 参数优化 准确率 群体智能 二次规划 并行处理 全局优化
• 年，卷（期）: 2019,（6）
• 页码范围: 1121-1126
• 页数: 6页
• 分类号: TP391.4
• 字数: 3255字
• 语种: 中文
• DOI: 10.11992/tis.201905025

摘要

孪生支持向量机(twin support vector machine,TWSVM)是在支持向量机的基础上产生的机器学习算法,具有训练速度快、分类性能优越等优点.但是孪生支持向量机无法很好地处理参数选择问题,不合适的参数会降低分类能力.人工鱼群算法(artificial fish swarm algorithm,AFSA)是一种群智能优化算法,具有较强的全局寻优能力和并行处理能力.本文将孪生支持向量机与人工鱼群算法结合,来解决孪生支持向量机的参数选择问题.首先将孪生支持向量机的参数作为人工鱼的位置信息,同时将分类准确率作为目标函数,然后通过人工鱼的觅食、聚群、追尾和随机行为来更新位置和最优解,最后迭代结束时得到最优参数和最优分类准确率.该算法在训练过程中自动确定孪生支持向量机的参数,避免了参数选择的盲目性,提高了孪生支持向量机的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁世飞	中国矿业大学计算机科学与技术学院	83	2735	17.0	52.0
3	李景灿	中国矿业大学计算机科学与技术学院	1	1	1.0	1.0