基于社会情感优化算法的支持向量机参数选择

• 作者: 孙祥娥 程彩凤
• 来源期刊: 现代电子技术
• 关键词: 支持向量机 社会情感优化算法 参数选择 分类精度 机器学习 遗传算法
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 前沿交叉科学
• 页码范围: 108-111,116
• 页数: 5页
• 分类号: TN911-34|TP181
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.12.025

摘要

支持向量机(SVM)是广泛应用于分类和回归问题的机器学习方法.SVM做分类预测时的分类精度主要取决于参数的选择,参数选择不当将出现"过学习"或"欠学习"的情况,且容易陷入局部最优解.社会情感优化算法(SEOA)加入了人类情感因素,是一种新颖的智能优化算法,有着良好的全局优化能力.提出基于SEOA的SVM参数选择方法,同时优化核函数参数和惩罚参数.实验采用4组UCI数据集进行测试,并将SEOA算法与遗传算法、粒子群优化算法进行仿真测试结果对比.试验结果表明,SEOA较大地提高了SVM算法的寻优能力,收敛性较好,具有更高的分类精度和更少的搜索时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙祥娥	长江大学电子信息学院	40	102	6.0	7.0
2	程彩凤	长江大学电子信息学院	15	25	3.0	4.0