灰狼优化的混合参数多分类孪生支持向量机

• 作者: 刘文英 周广悦 李克文 苏兆鑫
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 多分类孪生支持向量机(MTWSVM) 一对一策略 混合参数 灰狼优化(GWO)
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 628-636
• 页数: 9页
• 分类号: TP181
• 字数: 6660字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1905024

摘要

孪生支持向量机(TWSVM)是在支持向量机(SVM)的基础上产生的一种高效二分类算法,由于现实中存在的问题大多数是多分类的,将二分类孪生支持向量机扩展到多分类孪生支持向量机(MTWSVM)是非常重要的.目前常用的MTWSVM一般是基于"一对一"策略,但该策略中各子分类器都采用相同的惩罚参数以及核参数,忽略了不同子分类器之间的差异,不能使其发挥最好的作用.通过提出一种基于混合参数的多分类孪生支持向量机(MP-MTWSVM),为不同的子分类器选取合适的参数,保持分类器的多样性,进而根据"一对一"策略构建MTWSVM.TWSVM本就面临着参数难确定的问题,而MP-MTWSVM算法又引入了大量的参数,通过灰狼算法(GWO)对MP-MTWSVM的参数进行寻优,进一步提出了基于灰狼优化的混合参数多分类孪生支持向量机(GWO-MP-MTWSVM).通过实验表明,GWO可以快速找到各子分类器的最优参数,并进一步提升了算法的准确率.